当前位置: 首页 > article >正文

各类神经网络学习:(二)RNN 循环神经网络(上集),模型类型和相关知识

RNN(循环神经网络)

RNN, Recurrent Neural Network

RNN的特点就在于不同时刻之间的网络是有关联的,隐藏层会将其前一时刻的输出值作为输入参数。

一、类型:

  • 一对一:固定的输入到输出,如 图像分类

    一对一的 RNNCNN 差不多。

  • 一对多:固定的输入到序列输出,如 图像的文字描述、音乐生成

  • 多对一:序列输入到输出,如 **情感分析,分类正面负面情绪;单步序列预测,比如根据过去几天数据,预测未来第一天的值 **

  • 多对多:序列输入到序列的输出,如 机器翻译,称之为编解码网络 (例如下方图片中的第四个模型,左下角的三红三绿叫做编码器,右上角的三蓝三绿叫做解码器)(有时候蓝色和红色不会共用一个绿色)

  • 同步多对多:同步序列输入到同步输出,如 文本生成、语言建模,视频每一帧的分类,也称之为序列生成 ,或者 命名实体识别(NER)任务中,输入是一个句子,输出是该句子中每个词的实体类别(如人名、地点、组织等)

在这里插入图片描述


二、相关知识(持续更新)

1)为什么序列模型不使用 C N N CNN CNN 等神经网络:

答:序列数据前后之间有很强的关联性、并且序列数据的输入输出长度不固定。

2) R N N RNN RNN 有什么缺点吗?

R N N RNN RNN 在预测某一时刻的输出时,只用到了前面时刻的数据,并没有用到后面时刻的数据,这通常是不全面的。

例如判断某个单词是否是人名:He said, “Teddy was a great President.”,以及 He said, “Teddy bears are on sale!”,前面一个是人名,后面一个不是,但是模型判断的结果都是一样的。

不过这个在 B R N N BRNN BRNN 双向循环神经网络中会被解决。

3)题外话:文字在计算机中存在的形式:

文字在计算机中以 编码-存储-渲染 的链路存在:

  1. 编码层:ASCII、Unicode等将符号映射为二进制;
  2. 存储层:二进制数据通过文件系统或数据库管理(纯文本文件(.txt)无格式信息,而格式文本(如.docx)嵌入字体、颜色等元数据);
  3. 显示层:字体渲染与图形硬件协同生成可视化结果,系统根据编码查找对应字形,结合字号、颜色等参数生成像素矩阵,最后通过显卡等硬件将其转变换位显示器信号。

上一篇下一篇
各类神经网络学习(一)待发布

http://www.kler.cn/a/584098.html

相关文章:

  • 【原创】在宝塔面板中为反向代理添加Beare认证
  • Markdown:Mermaid 画图
  • Java EE 进阶:SpringBoot 配置⽂件
  • docker3-容器与镜像命令
  • 51单片机——汇编工程建立、仿真、调试全过程
  • AI短视频流量获取方法(一)
  • 使用DMA进行ADC数据读取与USART数据发送与接收
  • 基于SpringBoot实现旅游酒店平台功能十一
  • SpringMVC——REST简介及入门案例
  • c++之STL库
  • 蓝桥杯嵌入式组第十二届省赛题目解析+STM32G431RBT6实现源码
  • 笔记:代码随想录算法训练营day43:LeetCode300.最长递增子序列、674. 最长连续递增序、 718. 最长重复子数组
  • 大模型在老年性白内障诊疗全流程中的应用研究报告
  • Android wgs84坐标系转CGCS2000坐标系
  • CentOS8+Zabbix7.2.4解决中文显示问题
  • rtsp在网页上显示(webrtc-stream)
  • Pytest自动化测试框架pytest-xdist分布式测试插件
  • JAVA面试_进阶部分_Java JVM:垃圾回收(GC 在什么时候,对什么东西,做了什么事情)
  • 【Unity】在项目中使用VisualScripting
  • 计算机视觉算法实战——驾驶员分心检测(主页有源码)