当前位置:   article > 正文

深度学习的基础知识(RNN、LSTM等模型、梯度消失与爆炸、正则化、优化方式)_lstm分类如何优化

lstm分类如何优化

今天在看迁移学习中的一个模型COVE,里面用到了LSTM(ELMo也是),故而想回顾一下深度学习中的一些基础知识。

一、网络结构

1.RNN

在此之前先介绍fully connected、CNN、RNN等重要architecture(参见台大李宏毅老师的教程)

 

RNN与传统的feedward的区别在于:允许信息的持久化,即基于原始的信息去处理新的信息

 

2.LSTM

但RNN不能处理长期依赖的问题(长期依赖指输出的根据离输出时刻太远,譬如根据当前视频段预测接下来视频,如果当前视频只与先前不久的视频相关,那么RNN可以很好的解决这个问题。但如果当前视频依赖于很久之前的视频,比如电影的结尾与开头相呼应,那么RNN就会表现很差)

Long Short Term Memory(LSTM)是一种 RNN 特殊的类型,可以很好解决这个问题。LSTM是在标准的RNN的基础上加入了其他的神经网络(gates),而这

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/你好赵伟/article/detail/765512
推荐阅读
相关标签
  

闽ICP备14008679号