神经图灵机整体结构
{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }}
{{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }}
{{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}
分享
适合人群
互联网、多媒体、智能化等it行业
你将会学到
循环神经网络是代表性的深度学习模型基础之一,本节课我们会介绍这个方向中重要的网络结构,RNN、LSTM、GRU和 NTM,并给出 PaddlePaddle 如何实现这些网络的示例。帮助大家学习循环神经网络原理和技术。
课程简介
序列数据是很多的场景中都会碰到的形式,这是一类**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优秀匹配。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。
展开更多
{{tips.text}}
{{ noteHeaderTitle }}
笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
{{ detail.username }}
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
公开笔记
保存提问
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交课程大纲
自动连播
9课时
第三部分 循环神经网络原理及模型视频课程
6470人学习
百度AI官方账号
4.6
免费
5课时
第四部分 CNN和RNN的应用视频课程
4787人学习
百度AI官方账号
4.3
免费
8课时
第二部分 让机器能“看”的现代技术视频课程
3066人学习
百度AI官方账号
4.8
免费
5课时
第八部分 可解释的模型及应用
2514人学习
百度AI官方账号
4.8
免费
6课时
第六部分 搜索排序学习应用视频课程
1036人学习
百度AI官方账号
5.0
免费
30课时
人工智能深度学习入门视频课程
282708人学习
唐宇迪
4.9
¥49.00
170课时
人工智能-深度学习框架-Tensorflow案例实战视频课程
282182人学习
唐宇迪
4.9
¥198.00
13课时
师傅带徒弟学Python:项目实战1:网络爬虫与抓取股票数据
272317人学习
关东升
4.9
¥69.00