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~