热门标签
热门文章
- 1生成式人工智能：开发者的神兵利器_国内外生成式人工智能中电装备、重点工程的需求
- 2Java电商领域数据分析与决策系统_java 数据分析决策
- 3香橙派AIpro如何赋能AI+边缘流媒体设备
- 4解决kafka 消息堆积问题的排查及调优
- 5transformers NER命名实体识别；paddlenlp NER命名实体识、UIE关系抽取
- 6PyCharm 2024.1 最新变化，最新更新亮点汇总_pycharm最新版本
- 7[opencv]基于dlib和ssd的目标追踪和多线程加速_dlib跟踪算法
- 8‘vue-cli-service‘ 不是内部或外部命令，也不是可运行的程序或批处理文件。_vue-cli-service' 不是内部或外部命令,也不是可运行的程序 或批处理文件。
- 9AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.03.15-2024.03.20_task-customized mixture of adapters for general im
- 10IDEA2024.1.X安装激活（适用于Jetbrain全家桶）_idea最新版激活
当前位置: article > 正文
16现代循环神经网络—深度循环与双向循环
作者：正经夜光杯 | 2024-07-27 02:41:30
赞
踩
16现代循环神经网络—深度循环与双向循环
1.深度循环神经网络
回顾：循环神经网络
- 如何将循环神经网络变深，以获得更多的非线性？
- 通过添加多个隐藏层的方式来实现（和 MLP 没有本质区别），每个隐藏状态都连续地传递到当前层的下一个时间步和下一层的当前时间步
- 类似于多层感知机，隐藏层数目和隐藏单元数目都是超参数（它们是可以进行调整的）
- 使用门控循环单元或长短期记忆网络的隐状态替代上图中深度循环神经网络中的隐状态计算，就能够很容易地得到深度门控循环神经网络或长短期记忆神经网络
总结
-
深度循环神经网络使用多个隐藏层来获得更多的非线性性
- GRU、RNN、LSTM 在结构上都是相同的，只是隐状态 H 的计算方式有区别
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/正经夜光杯/article/detail/888273
推荐阅读
相关标签
