LuckSugar

2019-Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations M.Raissia, P.Perdikarisb,∗, G.E.Karniadakisa abstract 我们引入物理信息神经网络——神经网络，这些神经网络经过训练，可以解决受监督的学习任务，

2019-Cubic LSTMs for Video Prediction Hehe Fan, Linchao Zhu, Yi Yang 论文链接 Abstract ​ 预测视频中的未来帧已成为计算机视觉和机器人学习社区的有前途的研究方向。这个问题的核心涉及运动物体捕获和未来运动预测。对象捕获指定了视频中正在移动的对象，而运动预测则描述了它们的未来动态。出于这一分析的考虑，我们提出了用于视频预测的立方长短期记忆（CubicLSTM）单元。 CubicLSTM由三个分支组成，即用于捕获运动对象的空

2014-Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation Kyunghyun Cho、Dzmitry Bahdanau、Fethi Bougares Holger Schwenk、Yoshua Bengio 论文连接 Abstract ​ 在本文中，我们提出了一种新颖的神经网络模型，称为RNN编码器-解码器，它由两个递归神经网络（RNN）组成。一个RNN将符号序列