A Simple Deep and Effective Neural Network for Semantic Role Labelling 论文阅读

本文探讨了传统循环神经网络(RNN)面临的两大挑战:长距离依赖及梯度爆炸问题,并深入介绍了Softmax函数的工作原理及其在多分类任务中的应用。此外,还对比了Softmax与Sigmoid函数的区别。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

整体架构图:





Traditional RNNs suffer from two difficluties: 

1. 长距离依赖  2. 梯度爆炸



ps:   解释softmax函数, 以下部分均搬自知乎(https://www.zhihu.com/question/23765351

*(一)看名字就知道了,就是如果某一个zj大过其他z,那这个映射的分量就逼近于1,其他就逼近于0,主要应用就是多分类,sigmoid函数只能分两类,而softmax能分多类,softmax是sigmoid的扩展。

* (二)




ps2:    Sigmoid  函数 将值映射到0-1之间




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值