您现在的位置是：首页 > 文章详情

机器学习研究人员需要了解的8个神经网络架构（下）

日期：2018-04-14点击：579收藏

上文讲述了机器学习的功能和神经网络的概念，以及简要介绍了感知器和卷积神经网络，接下来继续介绍另外6种神经网络架构。

3.递归神经网络

5848d41dd807a69e43222c057534d7321d08075e

为了理解RNN，我们需要对序列建模进行简要概述。将机器学习应用于序列时，我们通常希望将输入序列转换为位于不同域中的输出序列; 例如，将一系列声压转换成一系列的单词。当没有单独的目标序列时，我们可以通过尝试预测输入序列中的下一项来获得教学信号。目标输出序列是提前1步的输入序列。这似乎比试图预测来自其他像素的图像中的一个像素或来自图像的其余部分的图像的一个像素更自然。预测序列中的下一个术语模糊了有监督学习和无监督学习之间的区别。它使用专为监督学习而设计的方法，但它不需要单独的教学信号。

无记忆模型是完成这项任务的标准方法。具体而言，自回归模型可以使用延迟打拍的方法从固定数量的前一项中预测下一项，并且前馈神经网

原文链接：https://yq.aliyun.com/articles/581715

关注公众号

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。

持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

转载内容版权归作者及来源网站所有，本站原创内容转载请注明来源。