1. 首頁 > 生活百科 > >

一 RNN自學理解

生活百科

RNN對具有序列特性的數據非常有效，它能挖掘數據中的時序信息以及語義信息，利用了RNN的這種能力，使深度學習模型在解決語音識別、語言模型、機器翻譯以及時序分析等NLP領域的問題時有所突破 。
參考文獻1：史上最詳細循環神經網絡講解（RNN/LSTM/GRU） - 知乎 (zhihu.com)
序列特性就是符合時間順序，邏輯順序，或者其他順序
一個簡單的例子告訴我們序列（Sequence）是很重要的：
第一句話：I like eating apple?。ㄎ蟻不凍云還 。?
第二句話：The Apple is a great company?。ㄆ還媸且患液馨艫墓荊 。?
我們都知道前一個apple是蘋果，后一個apple是品牌，那我們是如何知道的呢，顯然是通過前后文知道的 。如此我們想要判斷一個句子中詞語的含義就不能只輸入這個詞語，而是要輸入這個句子 。\(X_i\)是我們真正的x，相應的在RNN我們可以人為設計輸出的序列,這也說明我們要明確自己需要的\(Y\)和\(X\)的對應關系

一 RNN自學理解

文章插圖
接下來我們來解析一下整個循環神經網絡運行的流程：
【一 RNN自學理解】
一 RNN自學理解

文章插圖

一 RNN自學理解

文章插圖
接下來我們來解析一下整個循環神經網絡計算過程：
一 RNN自學理解

文章插圖

    推薦閱讀