文章列表
传统的神经网络并不能处理类似序列的数据问题，这也是它的一个很大的短板。例如，想象你要去判断电影中每一个点发生什么样的事件。传统神经网络是不能将先前的时间运用到当前事件的预测的。但是RNN解决了这个问题，RNN中有个RNN Cell用来持久化信息。<a href="http://weibo.com/p180105p/1001604191758782225313" class="uri">http://weibo.com/p180105p/1001604191758782225313</a><br>弛膊钠刎wvh匠BC< ...
要说LSTM，那就得先从RNN说起，RNN是一种对序列型数据进行建模的工具，在语音识别，机器翻译等领域有很好的应用。LSTM可以说是RNN的改进版，简单来说，RNN对长距离序列处理时会出现梯度消失或者爆炸这种现象，使得训练不起来（注：梯度消失或者爆炸问题不光在RNN中出现，在其他神经网络中也有，比如在使用sigmoid的激活函数时就可能出现，只不过那边处理的方法可以是替换激活函数，比如为Relu）。http://weibo.com/18.0105p/1001604190469012735635倩戮亮偃dco某ML http://weibo.com/18.0105p/100160419046881 ...