RNN资源博客 Recurrent Neural Network的经典论文、代码、课件、博士论文和应用汇总

最新推荐文章于 2025-02-06 22:27:03 发布
最新推荐文章于 2025-02-06 22:27:03 发布
阅读量5.1k 收藏 11
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/alwaystry/article/details/53738589
版权
这篇博客整理了关于Recurrent Neural Networks (RNN)的丰富资源，包括代码实现、理论讲解、讲座、书籍、网络变体、应用案例等，覆盖语言模型、语音识别、机器翻译等多个领域。
摘要由CSDN通过智能技术生成
转载自： RNN资源博客
字数1701 阅读5199 评论2

Awesome Recurrent Neural Networks

A curated list of resources dedicated to recurrent neural networks (closely related todeep learning).

Maintainers -Jiwon Kim,Myungsub Choi

We have pages for other topics:awesome-deep-vision,awesome-random-forest

Table of Contents

Codes

Theory

Lectures

Books / Thesis

Network Variants

Surveys

Applications

Language Modeling

Speech Recognition

Machine Translation

Conversation Modeling

Image Captioning

Video Captioning

Question Answering

Image Generation

Turing Machines

Robotics

Datasets

Codes

Theano- Python

Simple IPythontutorial on Theano

Deep Learning Tutorials

RNN for semantic parsing of speech

LSTM network for sentiment analysis

Keras: Theano-based Deep Learning Library

theano-rnnby Graham Taylor

Passage: Library for text analysis with RNNs

Caffe- C++ with MATLAB/Python wrappers

LRCNby Jeff Donahue

Torch- Lua

char-rnnby Andrej Karpathy : multi-layer RNN/LSTM/GRU for training/sampling from character-level language models

LSTMby Wojciech Zaremba : Long Short Term Memory Units to train a language model on word level Penn Tree Bank dataset

最低0.47元/天 解锁文章
本文选取两个经典的计算机视觉算法——卷积神经网络（Convolutional Neural Network，CNN）和循环神经网络（Recurrent Neural Network，RNN）
AI天才研究院
08-15 1401
人工智能和计算机视觉已经成为今天信息时代的新舞台。越来越多的研究人员、工程师和科技公司都在致力于利用机器学习、深度学习技术，解决深度学习领域中的图像识别、目标检测、语音识别等关键任务。PyTorch是目前最流行的Python机器学习框架，它允许开发者高效地构建、训练和部署各种深度学习模型。本文将基于PyTorch实现一些高级计算机视觉算法，帮助读者了解机器学习和深度学习技术。理解深度学习的基本概念；熟练使用PyTorch进行深度学习编程；了解深度学习模型的设计方法、调优过程及其收敛性；
AI学习指南深度学习篇-循环神经网络(Recurrent Neural Networks，RNN )简介
俞兆鹏的博客
08-26 856
随着人工智能（AI）和深度学习的快速发展，循环神经网络（Recurrent Neural Networks，简称RNN）作为一种重要的深度学习模型，在处理序列数据方面展现出了巨大的潜力和应用前景。相比于传统的前馈神经网络，RNN能够更有效地捕捉时间序列数据中的时序依赖关系，被广泛应用于自然语言处理、语音识别、金融时间序列预测等多个领域。本文将简要介绍RNN的历史与应用，同时深入探讨其相对于传统神经网络的优势及适用场景，并通过实例进行详细说明。
RNN知名论文
09-09
The Unreasonable Effectiveness of Recurrent Neural Networks.pdf
RNN循环神经网络之RNN十问
最新发布
wangxiaobin1314的博客
02-06 1175
回忆一下RNN的基本结构。例如，在进行文本处理时，序列数据中包含了N条句子（这个N条句子之间相互独立，无先后顺序），一个 batch 可能包含了其中的若干条句子，样本间是可以并行计算的。随着序列长度的增加，较早时间步的信息在经过多次线性变换和非线性激活后，会逐渐被稀释，难以完整地保留和传递到后续时间步，导致模型对长序列中的早期信息记忆能力下降。如果不是按照batch输入，而是一个字一个字依次输入模型，计算梯度时采用的是随机梯度下降法，那么梯度的估计可能会非常不稳定，因为单个样本的特征可能具有较大的随机性。
论文阅读：A Critical Review of Recurrent Neural Networks for Sequence Learning
一亩半分地
04-23 1万+
回复式神经网络的发展以及应用，首先介绍了最简单的前馈神经网络，然后介绍回复式神经网络的发展历史，接着给出了回复式神经网络的训练方法，最后给出现代回复式神经网络的架构和种类以及应用。
【论文阅读】Recurrent Neural Network Regularization
weixin_53563701的博客
01-18 8160
关于RNN及其变体中dropout的应用
RNN3篇论文总结
lyhhh0316的博客
11-17 1147
总结了3篇RNN论文内容，留一个笔记稿方便自己看
吴恩达RNN作业:Building your Recurrent Neural Network - Step by Step
08-06
在本课程中，“吴恩达RNN作业：Building your Recurrent Neural Network - Step by Step”主要探讨了如何构建和理解循环神经网络（Recurrent Neural Networks, RNNs），这是一种广泛应用于序列数据处理的深度学习...
一文读懂RNN(Recurrent Neural Network)循环神经网络
y1120944224的博客
04-28 1106
最近学习NLP过程中学到了RNN，做了以下笔记。
【推荐算法论文阅读】Recurrent Neural Networks with Top-k Gains for Session-based Recommendations
qq_36643449的博客
03-21 1748
本文是一篇很好的讲述进行梯度下降和参数更新时，困难样本、简单样本与梯度消失之间的关系，以及如何设置使简单样本对平均梯度的影响更小。 一、sampling the output 在每个训练步骤中，GRU4Rec 将会话中当前事件的项目（由 one-hot 向量表示）作为输入。 网络的输出是项目的一组分数，对应于它们成为会话中下一个项目的可能性。 GRU4Rec 引入了基于mini-batch的采样。 对于mini-batch中的每个example，相同mini-batch的其他examples作为负样本。
深度学习RNN 经典论文69篇，包含LSTM应用，LSTM综述，RNN应用，RNN综述
03-29
该文件为自己收集整理的关于深度学习RNN 经典论文69篇，包含LSTM应用，LSTM综述，RNN应用，RNN综述。
双向RNN原始论文
08-07
双向RNN原始论文
论文阅读：Recurrent Neural Networks for Time Series Forecasting Current Status and Future Directions
可及的小屋
10-21 1199
typora-copy-images-to: ./ Recurrent Neural Networks for Time Series Forecasting: Current Status and Future Directions Abstract 递归神经网络（RNN）已成为竞争性预测方法，已建立的统计模型（例如ETS和ARIMA）不仅因为其准确性高而广受欢迎，而且由于其健壮，高效且自动的特性，也适合非专业用户。我们得出结论，如果数据集中的序列具有均质的季节性模式，则RNN可以直接对季节进行建模.
【论文笔记】K-plet Recurrent Neural Networks for Sequential Recommendation
Running Snail
04-30 503
原文：K-plet Recurrent Neural Networks for Sequential Recommendation （本文只是略读，所以笔记只记录了主要的思想，更多的细节还需看原文） 背景 一般推荐 忽略时间因素，将用户的历史行为表示为一个集合，利用矩阵分解技术获取用户兴趣。 序列推荐 主要考虑用户的评分和购买行为 马尔科夫链：序列转化为转移图，融合矩阵分解，难以对长期依赖性建模 基于循环神经网络的方法： 只对整体结构建模 因为循环神经网络（RNN）在序列数据 ..
循环神经网络RNN论文解读
热门推荐
qq_32172681的博客
08-25 3万+
版权声明：本文为CSDN博主「了不起的赵队」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/zhaojc1995/article/details/80572098 论文名称：RECURRENT NEURAL NETWORK REGULARIZATION 论文地址：https://arxiv.org/...
论文笔记：Recurrent Convolutional Neural Networks for Text Classification
vivian_ll的博客
07-09 7220
1 Abstract 文本分类是NLP的一项重要的基础任务。传统的文本分类需要特征工程，需要人类参与。而深度学习能够自动提取特征不需要人的参与。本文采用周期循环神经网络比卷积神经网络能够更加减少噪声，利用最大池化层选取一句话中最重要的特征。首先在学习词的表达的时候，采用双向循环结构获取文本信息，比传统的基于窗口的神经网络更能减少噪声，而且在学习文本表达时可以大范围的保留词序。其次使用最大池化层获...
Relation Classification via Recurrent Neural Network论文阅读笔记
zyk9916的博客
05-14 612
背景： 从Zeng等提出CNN深度学习模型解决关系分类问题开始（Relation Classification via Convolutional Deep Neural Network），陆续提出了很多模型，如MW-CNN（2015），CR-CNN（2015），DepLCNN（2015）等。虽然也有一些基于其他架构的模型，如MV-RNN（2012，它是一个递归网络，并不是时序模型），FCM（2014)，SDP-LSTM(2015），总体来说，CNN模型占据主导地位。 本文的主要贡献： 1.提出了基于R
论文阅读 | Polygon-RNN：Annotating Object Instances with a Polygon-RNN
diaokuangjin0620的博客
11-02 467
论文地址：https://arxiv.org/abs/1704.05548 项目地址：http://www.cs.toronto.edu/polyrnn 概述 Polygon-RNN是一篇收录于CVPR2017的论文，文中作者基于CNN+RNN提出了一种半自动目标实例标注的算法。当前大多方法都将目标分割视为像素级分类问题，而本文则将其看做多边形预测任务，以裁剪的目标图像作为输入，预...
给我一些用Recurrent Neural Network进行股票价格预测的高引用论文
02-28
以下是几篇使用循环神经网络（Recurrent Neural Network，RNN）进行股票价格预测的高引用论文： 1. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8), 1735-1780. 这...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值