| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> RNN与LSTM网络 -> 正文阅读 |
|
[人工智能]RNN与LSTM网络 |
目录 前言RNN网络可以用于情感分析,与语言相关的工作,比如一个例子一个电影的评论,系统分析它是好评还是差评。 ?假设每个单词可以用[100]表示(这种序列表示方法简单地说就是有100个单词,[1,0,...],[0,1,0...]这些表示一个单词),上图的五个单词就是输入,也就是一个[5,100]的数据。 ?分别将5个单词输入线性层,得出5个Linear[2],也就是一个[5,2]数据,最后输出概率,判断是差评还是好评。 ?改进但是这种方法存在两个问题 1.输入单词很多,每个单词都有一个参数[w,b],参数过于庞大 2.上下语境信息怎么表示 为了解决参数过大问题,我们将所有输入单词,输入到同一个线性层,也就是w和b共享 ?对于上下语境信息, ?用一个h单元表示记忆,也就是这时间t的输出不仅跟当前输入xt有关,还跟上一个单元ht-1有关,最开始的h0就为0向量,展开表示 公式表示如下,里面用到的激活函数为tanh ?最终表示以及梯度的公式。 RNN升级--LSTM网络RNN网络当预测点与依赖的相关信息距离比较远的时候,就难以学到该相关信息。例如在句子”我出生在法国,……,我会说法语“中,若要预测末尾”法语“,但是由于这两句话相距太远,导致RNN很有可能无法预测, 从原理上也很好理解,当前单元跟上一个单元有关,上一个单元跟上上一个单元有关,也就是当前单元跟之前的单元有关,但是它跟之前的相关性相当于每过一个单元就削弱一次。 具体结构如下 ?里面图形符号表示意思 下面的矩形方框,被称为memory block(记忆块),主要包含了三个门(forget gate、input gate、output gate)与一个记忆单元(cell)。方框内上方的那条水平线,被称为cell state(单元状态),它就像一个传送带,可以控制信息传递给下一时刻。 LSTM可以通过门控单元可以对cell添加和删除信息。通过门可以有选择地决定信息是否通过,它有一个sigmoid神经网络层和一个成对乘法操作组成,如下:? LSTM第一步是用来决定什么信息可以通过cell state。这个决定由“forget gate”层通过sigmoid来控制,它会根据上一时刻的输出通过或部分通过。如下: 第二步是产生我们需要更新的新信息。这一步包含两部分,第一个是一个“input gate”层通过sigmoid来决定哪些值用来更新,第二个是一个tanh层用来生成新的候选值相加,得到了候选值。 最后一步是决定模型的输出,首先是通过sigmoid层来得到一个初始输出,然后使用tanh将 |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/1 10:21:21- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |