第三部分 循环神经网络原理及模型视频课程

课程目标:循环神经网络是代表性的深度学习模型基础之一,本节课我们会介绍这个方向中重要的网络结构,RNN、LSTM、GRU和 NTM,并给出 PaddlePaddle 如何实现这些网络的示例。帮助大家掌握循环神经网络原理和技术。

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
4.5分 共9课时,共2小时
免费
去学习
  1. 课程介绍
  2. 课程大纲
课程目标

循环神经网络是代表性的深度学习模型基础之一,本节课我们会介绍这个方向中重要的网络结构,RNN、LSTM、GRU和 NTM,并给出 PaddlePaddle 如何实现这些网络的示例。帮助大家掌握循环神经网络原理和技术。

适用人群

互联网、多媒体、智能化等it行业

课程简介

序列数据是很多的场景中都会碰到的形式,这是一类极具代表性的数据,针对这一类数据背后的问题,我们有很多的方法来解决。本节课对序列数据的场景进行分析并给出相关介绍。循环网络是适合处理序列数据的一种神经网络模型,其本身的特点与序列数据能够完美匹配。当然这类网络的训练也是有着相对困难的地方。本节课将会介绍循环神经网络的基本概念和结构。LSTM 网络是针对循环网络的弱点提出来的一种相对复杂的循环网络结构,它也是很多网络结构设计的基础。由于其具备了一点的记忆能力,使得在处理序列问题中更加能够克服长距离预测问题。本节课我们会介绍 LSTM 这个循环神经网络。经过多年发展,大家发现通过简化 LSTM 模型也能够得到能力相当的模型。其中具有代表性的工作就是 GRU,通过适当改变门限的设计而成的网络。我们会简单介绍 GRU 网络。LSTM 网络是增加一定的记忆能力,但这点记忆还不足够。NTM 是一种引入外部记忆的网络结构。我们给出神经图灵机的整体架构。最后给出 PaddlePaddle 实现 LSTM 和 GRU 模型。

1课程导引 [免费试看]
01:23
2序列场景分析 [免费试看]
07:19
3初识循环神经网络 [免费试看]
21:37
4突破障碍的LSTM [免费试看]
21:11
5新式的简化变体GRU网络 [免费试看]
11:00
6神经图灵机整体结构 [免费试看]
23:26
7神经图灵机-寻址 [免费试看]
14:11
8神经图灵机-控制器 [免费试看]
08:30
9paddlepaddle实现LSTM和GRU [免费试看]
11:31
讲师介绍
百度AI官方账号
讲师评分4.8分
Neil 朱小虎,University AI 创始人 & Chief Scientist,深度学习专家,UniversityAI-AI-Unconference Meetup 组织者,致力于推进世界人工智能化进程。制定并实施 UAI 中长期增长战略和目标,带领团队快速成长为人工智能领域最专业的力量。 作为行业领导者,UAI一起在2014年创建了TASA(中国最早的人工智能社团), DL Center(深度学习知识中心全球价值网络),AI growth(行业智库培训)等,为中国的人工智能人才建设输送了大量的血液和养分。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载