【深度学习相关理论基础概述2600字】_第1页
【深度学习相关理论基础概述2600字】_第2页
【深度学习相关理论基础概述2600字】_第3页
【深度学习相关理论基础概述2600字】_第4页
【深度学习相关理论基础概述2600字】_第5页
已阅读5页,还剩2页未读 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1 11.2长短期记忆网络 2 4 5信息抽取包含如下基本任务:实体识别、实体消歧、关系抽取以及事件抽取等。 (NLP)和语言识别等相关领域的人工神经网络,最早于上世纪八十年代被提出。循环神经网络是前馈神经网络的一种推广,它具有内部记忆。RNN本质上是递输入都是相互独立的。但在RNN中,所有的输入都是相互关联的。RNN的基本神经单元如图2.1所示:hAbAA×x图2.1循环神经网络系的。首先,RNN从输入序列中读入x₀,然后输出h₀,h₀和x₁一起作为下一步的输入。类似地,下一个的h₁是下一个步的x₂的输入W为权值,h为单个隐藏向量,其中W为前一个隐藏状态的权值,Wxn为RNN的优点是RNN可以对数据序列进行建模,从而假设每个样本都依赖于之前的样本,循环神经网络还可以与卷积层一起使用,以扩展有效的像素邻RNN的不足之处有梯度消失和爆炸问题;训练RNN是一项非常困难的任务;如1.2长短期记忆网络从理论上看,RNN能够在序列的整个历史中对连续信息进行建模,序列长度比较长时,RNN可能会出现两种情况,一种是梯度不断地增长,无限解决使用RNN可能出现的上述两种情况,有学者曾在上世纪90年代提出使用长短期记忆网络(long-shorttermmemorynetwork,简称LSTM)来替代循环神经长短期记忆网络(LSTM)的神经元通常由存储器单元、输入门、输出门、忘记状态h,遗忘门ft,记忆门it,输出门o等几部分组成,LSTM模型的计算过程由记忆门it,输出门ot,遗忘门f和上一个时刻的隐层状态ht-1来控制67。总体A出0到1之间的数字。五hhGoogle正在利用BERT来

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论