Giancarlo Kerg, Kyle Goyette, Maximilian Puelma Touzel, Gauthier Gidel, Eugene Vorontsov, Yoshua Bengio, Guillaume Lajoie
Communication écrite (2019)
Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Département:
Adresse URL de PolyPublie:
Nom de la conférence:
33rd Conference on Neural Information Processing Systems (NeurIPS 2019)
Lieu de la conférence:
Vancouver, B.-C.
Date(s) de la conférence:
2019-12-08 - 2019-12-14
Éditeurs ou éditrices:
Maison d'édition:
Neural Information Processing Systems (Nips)
URL officielle:
OAI:
oai:publications.polymtl.ca:45967
ORCID
Date du dépôt:
18 avr. 2023 15:02
Dernière modification:
14 oct. 2026 13:59
Citer en APA 7:
Kerg, G., Goyette, K., Touzel, M. P., Gidel, G., Vorontsov, E., Bengio, Y., & Lajoie, G. (décembre 2019). Non-normal Recurrent Neural Network (nnRNN): learning long time dependencies while improving expressivity with transient dynamics [Communication écrite]. 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, B.-C.. https://papers.nips.cc/paper/9513-non-normal-recurrent-neural-network-nnrnn-learning-long-time-dependencies-while-improving-expressivity-with-transient-dynamics.pdf
Statistiques
Aucune statistique n'est disponible.
