学习提醒 |槽位填充问题怎么解决？RNN经典学习问题挑战！

点击左上方蓝字关注我们

通过昨天的学习，入门循环神经网络（RNN）了吗？

昨天的学习只是开胃菜，今天的学习中，你可以掌握RNN直观的架构。

循环神经网络相当于在全连接网络的隐藏层加入多个“memory”节点，隐藏层的输出值被保存在memory中，由此完成了“记忆”的过程。

因此，用它来解决槽位填充问题再合适不过。即将每个词向量输入到RNN中，得到的每一个输出向量表示对应的词属于某一个槽位的概率。

还有RNN中经典的LSTM 长短期记忆网络，还可以将LSTM叠加到一起可以形成深层的LSTM。

现在，开始你的第二轮RNN挑战吧！（老规矩：有任何学习问题学习群里见！）

今日学习任务

学习

进行时

第12课-循环神经网络（二）

课程指路：

报名地址

还没有报名的同学，点击文末『阅读原文』或者扫码报名，跟上学习进度：

https://aistudio.baidu.com/aistudio/education/group/info/1978

???? 扫码进入学习中心????

进入QQ学习社群，开启机器学习之旅

跟着李宏毅老师学习，进击机器学习算法工程师～