标签存档: 循环神经网络

基于深度生成建模的数字墨水可编辑化研究(DeepWriting: Making Digital Ink Editable via Deep Generative Modeling)

数字墨水有望结合手写的灵活性和美感,并且可以处理、搜索和编辑数字文本。在已有的工作中,字符识别将手写文本转换为数字表示,这将会损失个性化特征。同样的文字在不同人的笔触下会产生不同的结果,这些结果蕴含了用户的书写风格。此工作提出了一种新的神经网络架构,将内容和风格进行分离。从而使得书写结果可以在机器上得到编辑:包括改变书写风格或者内容。

对一个手工书写可以分解为两部分,内容和风格。如上图所示,手工书写表示成为x,可以分解成为风格z和内容π,如果可以对其进行划分,就可以将一个书写的风格和另一个书写的内容相结合构成新的书写。这样就达到的可编辑的目的。

继续阅读 »

基于深度学习的垂直菜单用户选择行为预测(Predicting Human Performance in Vertical Menu Selection Using Deep Learning)

在个人电脑和其他智能设备的交互中,基于垂直菜单的选择交互一直占有重要的地位。研究用户与这一类垂直菜单的交互行为本身具有很大的意义,同时基于模型预测预测用户的交互行为又可以大大降低使用真实用户来测试交互系统时的巨大开销。而当下的模型大多基于信息论以及实验心理学内容,仅仅局限于用户交互的某一个方面,而且对于可能涉及的新的因素,很难对模型进行有效的拓展以增加适应性。本文将深度学习引入此问题的分析中,提出一个基于长短时记忆网络的模型来解决这一问题。

继续阅读 »