12.10序列处理深度模型 RNN+LSTM

本文介绍了序列处理的深度学习模型,包括RNNs的上下文信息保存特性,解决了固定尺寸输入的问题。接着深入探讨了LSTM如何解决RNN的梯度消失和爆炸问题,以及其在序列建模中的应用。此外,还提到了GAN在高维复杂分布建模、数据生成等领域的应用,并简单区分了显式和隐式过程。
摘要由CSDN通过智能技术生成

一:需求

1.卷积网络的输入和输出多为固定尺寸(样本大小和模式)
2.解决序列问题:语言问题,时间序列预测问题(和基础单位相关)
需要保存上下文信息,很难/无法选择上下文窗口大小

二:Recurrent Neutral Networks(RNNs)

时间递归神经网络 Recurrent Neutral Network
结构递归神经网络 Recursive Neutral Network
1.RNN将上一次的输出或者隐状态作为一下次的输入
2.对于某个时间t,历史信息T< t会被保存,会保留信息
3.weights参数共享A recurrent neural network and the unfolding in time of the computation involved in its forward computation. Source: Nature
4.吸收了HMM模型(马尔可夫)的表达
5.RNN是一类扩展的人工神经网络,它是为了对序列数据进行建模而产生的
针对:文本,语音,视频,天气,股票
6.基本框架:一对一,一对多,多对一,多对多

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