Рекуррентные нейросети | Нейросети для анализа текстов

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Лекция по рекуррентным нейронным сетям и их применению для анализа текстов.

В предыдущих видео мы рассматривали анализ текстов с помощью полносвязных нейронных сетей. Такие сети рассматривают текст как набор изолированных токенов. Однако в тексте важное значение имеет последовательность слов. Поэтому для корректного анализа текста нужны архитектуры нейронных сетей, которые могут работать с последовательностями. Одной из таких архитектур и являются рекуррентные нейронные сети.

Основное отличие рекуррентных нейронных сетей - это наличие циклов. Выход нейрона может быть соединен с его входом.

В видео рассматриваются:
- Основные проблемы анализа текста полносвязной сетью.
- Особенности архитектур рекуррентных сетей.
- Разворачивание рекуррентной сети во времени.
- Режимы работы рекуррентных сетей - sequence to sequence и sequence to vector.
- Использование рекуррентных нейронных сетей в TensorFlow и Keras с помощью слоя SimpleRNN.

Лекция "Анализ тональности отзывов на фильмы IMDB"


Источник: www.youtube.com

Комментарии: