首页 » 技术方案

一文看尽深度学习RNN:为啥就它适合语音识别、NLP与机器翻译?

作者: admin 日期: 2017-07-31
作者 :Jason Brownlee 本文是机器学习大牛Jason Brownlee系统介绍RNN的文章,他在文中详细对比了LSTM、GRU与NTM三大主流架构在深度学习上的工作原理及各自特性。读过本文,你就能轻松GE...“”
大数据
作者 :Jason Brownlee
本文是机器学习大牛Jason Brownlee系统介绍RNN的文章,他在文中详细对比了LSTM、GRU与NTM三大主流架构在深度学习上的工作原理及各自特性。读过本文,你就能轻松GET循环神经网络在语音识别、自然语言处理与机器翻译等当前技术挑战上脱颖而出的种种原因。
循环神经网络(RNN)是一种人造神经网络,它通过赋予网络图附加权重来创建循环机制,以维持内部的状态。
神经网络拥有“状态”以后,便能在序列预测中明确地学习并利用上下文信息,如顺序或时间成分。
本文将一次性带你了解RNN在深度学习中的各种应用。
读完之后,你应该能弄懂:
最先进的RNN是如何进行深度学习任务的,如LSTM(长短时记忆网络)、GRU(门控循环单元)与NTM(神经图灵机)
最先进的RNN同人工神经网络中更广泛的递归研究间的具体关系如何?
为什么RNN能在一系列有挑战的问题上表现如此出色?
我们不可能面面俱到,把所有的循环神经网络细节都讲一遍。因而,我们要把重点放在用于深度学习的循环神经网络上(LSTM,GRU和NTM),以及理解它们相关的必要背景知识。
让我们进入正题。
大数据
循环神经网络算法深度学习之旅 Photo by Santiago Medem,权利保留。
概览
我们首先来了解一下循环神经网络的研究背景。
接下来,我们会仔细研究LSTM,GRU和NTM在深度学习中的应用。
最后,我们还要了解一些同RNN用于深度学习相关的高级话题。

联系我们

全国统一客服热线:13794394249
电话:13794394249
传真:13794394249
邮箱:info@jenyun.com
地址:广州市天河区沙太南路85号金企商务中心523室



扫一扫左侧二维码
关注嘉恩云公众号




13794394249