《吴恩达深度学习工程师系列课程之——序列模型》学习笔记

博客介绍了循环序列模型RNN,它是按时间序列输入输出的模型,可应用于语音识别、音乐生成等多个领域。还提到构建序列模型需先做词表、词典,建立X和Y的映射。循环神经网络从左向右扫描数据,参数共享,但存在仅用之前数据信息的缺点。

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

Week1 循环序列模型

  1. 循环序列模型RNN在语音识别,自然语言处理。序列模型,即按照时间序列输入输出的模型。
  2. 应用:
    语音识别,音乐生成,情感分类,DNA序列分析,机器翻译,视频行为识别,命名实体识别。
  3. 定义符号开始,构建序列模型。
    第一件事是做一张词表,词典。词典排序及其对应编码。用序列模型X和目标输出Y之间建立一个映射。
  4. 循环神经网络,从左向右扫描数据,同时每个时间步的参数,也是共享的。缺点是仅用到之前的数据信息,而没有用到序列后的部分信息。
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