一. 摘要
这里将继续介绍NLP算法体系:基于人工神经网络(Artinci Neural Network)的深度学习方法。人工神经网络思想来源于仿生学对大脑机制的探索,即希望通过对大脑的模拟达到智能的目的。神经网络理论与技术就是在这样的目标下摸索发展出来的。神经网络是由具有自适应的单元组成的,广泛的、并行的、互联的网络,它的结构模拟了生物神经网络系统对真实世界所做出的交互反应。
二. 神经网络的组成
神经元模型:首先简单的了解以下构成神经网络的最基础单元:神经元。每个神经元与其他神经元相连,当它处于激活状态时,就会向相连的神经元发送相应信号。从而改变其他神经元的状态。如果某个神经元的信号超过某个阈值。那么将被激活,再接着发送给其他神经元。如图1所示:
图1:神经元结构
之前我们了解到的GRU和LSTM网络都是由这一基本结构构成,神经网络的任何神经元都可以表述为上述的形式。该单元主要由输入变量、带权参数和激活函数组成。首先是x1,x2,x3带权重的输入变量,该变量的取值来自前面一层所有变量与权重的乘积,然后再求和,在数学上表示为下式:
其中&#x