1

第三部分 循环神经网络原理及模型视频课程

上传者:百度AI官方账号

发布时间:2018-01-26 17:43:26

大小:0 B

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。

课程引导 序列场景分析 初始循环神经网络
下 载 0人已下载
分享