RNN循环神经网络
前言
- 用于处理序列数据的神经网络
语音,视频,文字 - 应用领域
自然语言处理NLP
机器翻译
语音识别
图像描述生成
提示:以下是本篇文章正文内容,下面案例可供参考
一、基本结构
RNN公式
RNN特点
- 权值共享,图中的W全是相同的,U和V也一样。
- 每一个输入值都只与它本身的那条路线建立连接,不会和别的神经元连接
RNN种类
- 一对一结构
- 普通神经网络
- 多对多
- 词性标注
- 一对多
- 音乐生成和文章生成
- SeqToSeq
- 机器翻译
双向RNN网络(BRNN)
He is Tom Wody,one human
He is Tom cat,one animal。
- 公式
堆叠循环神经网络
传统RNN缺点
记忆时间短
梯度消失和梯度爆炸
- 我爱北京天安门,____上太阳升
- 我昨天上学迟到了,老师批评了____,
- 我出生在美国,父母都是亚洲人,我爱好篮球,我能说一口流利的______
长短时记忆网络 LSTM
LSTM的变种
Peephole LSTM
门控循环单元 GRU
门控循环单元 GRU
- 更新门:遗忘门和输入门合并,决定了哪些信息丢失输入哪些信息保留,捕捉长期依赖关系
- 重置门:将记忆单元和隐藏层合并,决定了过去的信息有多少保留下来,捕捉短期依赖关系
三、示例代码
https://github.com/anglersking/simple_deep_learning/tree/master/RNN