循环序列模型 —— 1.1 为什么选择序列模型

在进行语音识别时，给定了一个输入音频片段X，并要求输出片段对应的文字记录Y，这个例子里的输入和输出数据，都是序列数据，因为X是一个按时序播放的音频片段，输出Y是一系列单词，所以之后要学习的是一些序列模型，如循环神经网络等在语音识别方面是非常有用的。

音乐生成问题，是使用序列数据的另一个例子，只有输出数据Y是序列，而输入数据可以是空集，也可以是个单一整数，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，无论怎样，输入X可以是空的，或者就是个数字，然后输出序列Y。

在处理情感问题时，输入数据X是序列。

序列模型在处理DNA序列分析中也十分有用，你的DNA可以用ACGT四个字母来表示，所以给定一段DNA序列，你能够标记处哪部分是匹配某种蛋白质。

在机器翻译过程中，输入一句话，需要翻译成另外一种语言。

在进行视频行为识别时，你可能会得到一系列视频帧，然后要求你识别其中的行为。

在进行命名实体识别时，可能会给定一个句子，要你识别出句中的人名。

所有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，但是从这一系列例子中可以看出，序列问题有很多种不同类型，有些问题里，输入数据X和输出数据Y都是序列，但就算在那种情况下，X和Y有时也会不一样长，或者是在命名实体任务中X和Y有相同的数据长度。在另一些问题中，只有X或者Y是序列。

所以在本次课程中，你会学到适用于不同情况的序列模型。