![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 90
HoraceO
everyone is geniusฅ՞•ﻌ•՞ฅ
展开
-
NLP-NER命名实体识别
命名实体识别 – Named-entity recognition | NER什么是命名实体识别?命名实体识别(Named Entity Recognition,简称NER),又称作“专名识别”,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。简单的讲,就是识别自然文本中的实体指称的边界和类别。命名实体识别的发展历史NER一直是NLP领域中的研究热点,从早期基于词典和规则的方法,到传统机器学习的方法,到近年来基于深度学习的方法,NER研究进展的大概趋势大致如下图所示。转载 2021-04-28 21:02:43 · 527 阅读 · 0 评论 -
LSTM长短期记忆网络
长短期记忆网络 – Long short-term memory | LSTM什么是 LSTM?长短期记忆网络——通常被称为 LSTM,是一种特殊的 RNN,能够学习长期依赖性。由 Hochreiter 和 Schmidhuber(1997)提出的,并且在接下来的工作中被许多人改进和推广。LSTM 在各种各样的问题上表现非常出色,现在被广泛使用。LSTM 被明确设计用来避免长期依赖性问题。长时间记住信息实际上是 LSTM 的默认行为,而不是需要努力学习的东西!所有递归神经网络都具有神经网络的链式重转载 2021-04-28 20:55:34 · 2326 阅读 · 0 评论 -
RNN循环神经网络
循环神经网络 – Recurrent Neural Network | RNN卷积神经网络 – CNN 已经很强大的,为什么还需要RNN?本文会用通俗易懂的方式来解释 RNN 的独特价值——处理序列数据。同时还会说明 RNN 的一些缺陷和它的变种算法。最后给大家介绍一下 RNN 的实际应用价值和使用场景。为什么需要 RNN ?独特价值是什么?卷积神经网络 – CNN 和普通的算法大部分都是输入和输出的一一对应,也就是一个输入得到一个输出。不同的输入之间是没有联系的。但是在某些场景中,一个转载 2021-04-28 20:47:58 · 626 阅读 · 0 评论 -
CNN卷积神经网络
卷积神经网络 – CNN卷积神经网络 – CNN 最擅长的就是图片的处理。它受到人类视觉神经系统的启发。CNN 有2大特点:能够有效的将大数据量的图片降维成小数据量能够有效的保留图片特征,符合图片处理的原则目前 CNN 已经得到了广泛的应用,比如:人脸识别、自动驾驶、美图秀秀、安防等很多领域。CNN 解决了什么问题?在 CNN 出现之前,图像对于人工智能来说是一个难题,有2个原因:图像需要处理的数据量太大,导致成本很高,效率很低图像在数字化的过程中很难保留原有的特征,导致图像处理的准转载 2021-04-28 20:27:05 · 451 阅读 · 0 评论