[学习日志]深度学习-李宏毅 循环神经网络 RNN

本文探讨了神经网络如何处理语境信息,从简单的1/N编码到RNN(循环神经网络)的概念,包括Elman和Jordan网络。接着介绍了双向RNN以及LSTM(长短期记忆)网络,LSTM通过其独特的门控机制解决了传统RNN的梯度消失问题,能够更好地捕捉序列数据中的长期依赖。
摘要由CSDN通过智能技术生成

应用举例 Slot Filling-对号入座

在这里插入图片描述
智能客服\智能订票等

1/N编码 - 把词变为向量的最简单方法

在这里插入图片描述

遇到了问题 - 语境

在这里插入图片描述
对于相同的输入Taipei,输出的结果必然是相同的.所以这个朴素的方法不能满足需求
我们希望的是,神经网络可以记住关键词之前的词(即某程度上的考虑语境)
也就是RNN

RNN的思想

在这里插入图片描述
神经元上次的输出会对本次运算造成影响.
也就是说,数据的输入顺序也会影响到训练结果
在这里插入图片描述

elman&jordan

在这里插入图片描述

双向RNN

在这里插入图片描述

LSTM(Long Short-term Memory-长短期记忆)

还是短期记忆,只不过比较长(注意横杠符号的位置就能理解)
在这里插入图片描述

三个门的开关,都是在学习过程中学出来的.每个门都可看作一个输入.
在这里插入图片描述
Zi的激活函数f,一般选用sigmoid.因为(0,1)能很好的对应门的开关程度.
在这里插入图片描述

在这里插入图片描述
这四个输入,其实都是从输入来的.(上图是比较原始的网络和LSTM的对比)
根据不同的输入,更新权证,门的开关就会有不同.
可以看到,参数量明显变多了.

在这里插入图片描述
在这里插入图片描述
LSTM的连结示意图。实际情况比讲的还要复杂一些

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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