热门标签
热门文章
- 1第三章：AI大模型的开发环境搭建3.1 Python编程基础3.1.2 Python库与模块_python 大语言模型 开发
- 27.1 数据库设计概述
- 3Visual Studio Code使用问题_若您正以管理员身份运行 visual studio code 用户范围的安装,更新功能会被禁用。
- 4pandas 用read_csv读取txt文件时，部分行丢失_pandas读取txt文件不全
- 5linux相对于windows环境为啥相对来说更加具有安全性_对于普通用户linux和windows哪个安全
- 6Linux权限有哪些？500代表什么意思？_权限500啥意思
- 7Redis主从配置
- 8人工智能火爆了！阿里机器人都会批改作文了！苹果开源机器学习框架；360 开源深度学习平台 XLearning；
- 9【卡车无人机协同】基于遗传算法卡车和两架无人机配送路径规划附matlab代码_卡车支持无人机运行配送
- 10NOIP 边权差值最小的生成树（小数据）_最小边权差生成树
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
推荐阅读
相关标签
