来源:Coursera吴恩达深度学习课程
带着遗憾重新启航!第五周《序列模型》开始啦!
在本课程中将学习序列模型(sequence models),它是深度学习中最令人激动的内容之一。循环神经网络(RNN)之类的模型在语音识别(speech recognition)、自然语言处理(natural language processing)和其他领域中引起变革。我们先看一些例子,这些例子都有效使用了序列模型。
(1)在语音识别(Speech recognition)时,给定了一个输入音频片段(audio clip)x,并要求输出对应的文字记录(text transcript)y。这个例子里输入和输出数据都是序列模型,因为x是一个按时播放的音频片段,输出y是一系列单词。所以之后将要学到的一些序列模型在语音识别方面是非常有用的。
(2)音乐生成问题(Music generation)是使用序列数据的另一个例子,在这个例子中,只有输出数据y是序列,而输入数据可以是空集(empty set),也可以是个单一的整数,这个数可能指代你想要生成的音乐风格,也可能是你想要生成的那首曲子的头几个音符。
(3)在处理情感分类(Sentiment classification)时,输入数据x是序列,你会得到类似这样的输入:“There is nothing to like in this movie.”,你认为这句评论对应几星?
(4)在DNA序列分析(DNA sequence analysis)时,你的DNA可以用A、C、G、T四个字母来表示。所以给定一段DNA序列,你能够标记出哪部分是匹配某种蛋白质的吗?
(5)在机器翻译(Machine translation)过程中,你会得到这样的输入句:“Voulez-vou chante avecmoi?”(法语:要和我一起唱么?),然后要求你输出另一种语言的翻译结果。
(6)在视频行为识别(Video activity recognition)时,你可能会得到一系列视频帧,然后要求你识别其中的行为。
(7)在命名实体识别(Name entity recognition)时,可能会给定一个句子要你识别出句中的人名。
总结一下,序列模型可以应用在语音识别、音乐生成器、情感分类、DNA序列分析、机器翻译、视频动作识别和命名实体识别等领域。这些问题都可以被称作使用标签数据(x,y)作为训练集的监督学习。但从这一系列例子中你可以看出序列问题有很多不同类型。有些问题里,输入数据x和输出数据y都是序列(x和y有时也会不一样长)。在另一些问题里,也可能只有x或者只有y是序列。
所以在本节我们将学到适用于不同情况的序列模型。
说明:记录学习笔记,如果错误欢迎指正!转载请联系我。