主要的应用：机器翻译，自然语言处理，文本处理，语音识别, 图像描述生成 (Generating Image Descriptions), 图像问答QA....
1. RNN怎么来的？
2. RNN的网络结构及原理
3. RNN的改进1：双向RNN
4. RNN的改进2：深层双向RNN
4.1 Pyramidal RNN
5. RNN的训练-BPTT
6. RNN与CNN的结合应用：看图说话
7. RNN项目练手
-
循环神经网络(RNN, Recurrent Neural Networks)介绍
本系列将实现一个基于循环神经网络的语言模型(recurrent neural network based language model)。该实现包含两个方面：一是能够得到任意语句在现实中成立的得分，其提供了判断语法与语义的正确性的度量方式。该模型是机器翻译中的典型应用。二是模型能够产生新的文本，这是一个非常棒的应用。比如，对莎士比亚的文章进行训练，能够产生一个新的类似莎士比亚的文本，目前，这个有趣的想法已经被Andrew Karpathy基于RNNs的字符级别的语言模型实现了。
- Word2Vec Tutorial—The Skip-Gram Model
- Word Embedding Explained and Visualized
- Vector Representation of Words
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：hello-循环神经网络（RNN）原理 - Python技术站
微信扫一扫 
支付宝扫一扫 