循环神经网络RNN的基本原理与应用 - 飞书文档
https://docs.feishu.cn/v/wiki/SiO2wAKwPi4nh2kNVzFcyemcntc/a1随着深度学习的发展，研究者开始探索更适合处理序列数据的神经网络架构。这时，循环神经网络（Recurrent Neural Network，RNN）应运而生。RNN 通过引入隐藏状态来存储过去的信息 ...
飞搜侠
热门搜索
深度学习算法的核心思想是如何实现的 - 飞书文档
https://docs.feishu.cn/v/wiki/ORW8wXKo1iNrIVkMqKNc3LtBneb/a91. 卷积神经网络（CNN）. 卷积神经网络是一种专门用于处理图像和视频数据的深度学习算法。它通过卷积层和池化层的组合，自动提取图像中的特征。 · 2. 循环神经网络（RNN）. 循环 ...
卷积神经网络如何处理网格结构数据？ - 飞书文档
https://docs.feishu.cn/v/wiki/XbkKwD9tZiCblskNBXicxqOznyd/ad循环神经网络RNN ... 循环神经网络（Recurrent Neural Network，RNN）是一种具有自反馈连接的神经网络，主要用于处理序列数据，如语音、文本和时间序列等。 RNN 在自然语言处理（如 ...
深度学习：强大的神经网络学习 - 飞书文档
https://docs.feishu.cn/v/wiki/Af76wZbh4i4YvtkOkDvc56D2nZc/a7RNN总结. 模型. 卷积神经网络CNN. 循环神经网络RNN. 模型结构. 类型与架构. 前馈 ... ELMo模型使用字符嵌入来表示每个词语，这是通过卷积神经网络来实现的。 ELMo模型 ...
卷积神经网络：自动提取有用信息 - 飞书文档
https://docs.feishu.cn/v/wiki/UdLFwdjgPiXm5tkVi0dcfcRMn0f/ac2015年11月3日 ... 虽然大多数其他处理顺序数据的算法只有最后10 个时间步的内存， 长短时记忆 循环神经网络 （由Sepp Hochreiter 和J ü rgen-Schmidhuber 在1997 年发明）允许 ...
《StatQuest官方双语视频中的卷积神经网络在图像识别中有何优势？》
https://docs.feishu.cn/v/wiki/CUMWw0cUriqANmk24dUcVew7nH6/ah本视频由StatQuest 官方账号翻译和发布，内容包含神经网络众多基础知识，如链式法则、梯度下降法等，还涉及ReLU 激活函数、多种神经网络模型、相关技术及ChatGPT 背后的 ...
RNN循环神经网络的应用场景 - 飞书文档
https://docs.feishu.cn/v/wiki/OSHAwzyw9iHS3rkZ1JZcJwnCnjh/agRNN (Recurrent Neural Network) · 含义: 循环神经网络，一种适合处理序列数据的神经网络，能够处理前后数据点之间的依赖关系。 · 主要用途和作用: 用于时间序列分析、语音识别 ...
一文看懂Mamba，Transformer最强竞争者 - 飞书文档
https://docs.feishu.cn/article/wiki/MljYww2OjivxDDkWvb9cf1Xfn2d这类模型的设计灵感来自经典的状态空间模型—— 我们可以将其看作是循环神经网络和卷积神经网络的融合模型。它们可使用循环或卷积运算进行高效地计算，从而让计算开销随 ...
Transformer的基本架构与原理 - 飞书文档
https://docs.feishu.cn/v/wiki/WFJ6wC85JityxDka4O7cv7l4nqx/a3循环神经网络：由于所有的前文信息都蕴含在一个隐向量里面，这会导致随着序列长度的增加，编码在隐藏状态中的序列早期的上下文信息被逐渐遗忘。 卷积神经网络：受限的 ...
自注意力机制怎样有效建模长距离依赖关系？ - 飞书文档
https://docs.feishu.cn/v/wiki/DgoawDGgXiigHIkuiZYcKHypnBh/ad... 循环神经网络（RNNs）和卷积神经网络（CNNs）具有显著的优势。 一 ... 实现。 自注意力机制允许模型在处理整个序列时并行地计算序列中任意两个元素之 ...