\'Etude des r\'eseaux de neurones r\'ecurrents pour \'etiquetage de s\'equences (A study of Recurrent Neural Networks for Sequence Labelling)
Dans cet article nous {\'e}tudions plusieurs types de r{\'e}seaux neuronaux r{\'e}currents (RNN) pour l{'}{\'e}tiquetage de s{\'e}quences. Nous proposons deux nouvelles variantes de RNN et nous les comparons aux variantes plus classiques de type Jordan et Elman. Nous expliquons en d{\'e}tails quels sont les avantages de nos nouvelles variantes par rapport aux autres RNN. Nous {\'e}valuons tous les mod{\`e}les, les nouvelles variantes ainsi que les RNN existants, sur deux t{\^a}ches de compr{\'e}hension de la parole : ATIS et MEDIA. Les r{\'e}sultats montrent que nos nouvelles variantes de RNN sont plus efficaces que les autres.
PDF AbstractTasks
Datasets
Add Datasets
introduced or used in this paper
Results from the Paper
Submit
results from this paper
to get state-of-the-art GitHub badges and help the
community compare results to other papers.
Methods
No methods listed for this paper. Add
relevant methods here
