任務(wù) RNN的結(jié)構(gòu)图筹。循環(huán)神經(jīng)網(wǎng)絡(luò)的提出背景江锨、優(yōu)缺點。著重學(xué)習(xí)RNN的反向傳播略板、RNN出現(xiàn)的問題(梯度問題亭螟、長期依賴問題)小渊、BPTT算法起暮。 雙向RNN 遞歸神經(jīng)網(wǎng)絡(luò) LSTM、...

任務(wù) RNN的結(jié)構(gòu)图筹。循環(huán)神經(jīng)網(wǎng)絡(luò)的提出背景江锨、優(yōu)缺點。著重學(xué)習(xí)RNN的反向傳播略板、RNN出現(xiàn)的問題(梯度問題亭螟、長期依賴問題)小渊、BPTT算法起暮。 雙向RNN 遞歸神經(jīng)網(wǎng)絡(luò) LSTM、...
任務(wù): 卷積運算的定義艇挨、動機(稀疏權(quán)重残炮、參數(shù)共享、等變表示)雷袋。一維卷積運算和二維卷積運算吉殃。 反卷積(tf.nn.conv2d_transpose) 池化運算的定義、種類(最大...
任務(wù): 卷積運算的定義楷怒、動機(稀疏權(quán)重蛋勺、參數(shù)共享、等變表示)鸠删。一維卷積運算和二維卷積運算抱完。 反卷積(tf.nn.conv2d_transpose) 池化運算的定義、種類(最大...
任務(wù) 前饋神經(jīng)網(wǎng)絡(luò)刃泡、網(wǎng)絡(luò)層數(shù)巧娱、輸入層、隱藏層烘贴、輸出層禁添、隱藏單元、激活函數(shù)的概念桨踪。 感知機相關(guān)老翘;定義簡單的幾層網(wǎng)絡(luò)(激活函數(shù)sigmoid),遞歸使用鏈?zhǔn)椒▌t來實現(xiàn)反向傳播。 ...
任務(wù) 前饋神經(jīng)網(wǎng)絡(luò)铺峭、網(wǎng)絡(luò)層數(shù)墓怀、輸入層、隱藏層卫键、輸出層傀履、隱藏單元、激活函數(shù)的概念莉炉。 感知機相關(guān)钓账;定義簡單的幾層網(wǎng)絡(luò)(激活函數(shù)sigmoid),遞歸使用鏈?zhǔn)椒▌t來實現(xiàn)反向傳播呢袱。 ...
任務(wù) 樸素貝葉斯 樸素貝葉斯的原理 利用樸素貝葉斯模型進行文本分類 SVM模型 SVM的原理 利用SVM模型進行文本分類 LDA主題模型 pLSA羞福、共軛先驗分布 LDA 使用...
任務(wù) 樸素貝葉斯 樸素貝葉斯的原理 利用樸素貝葉斯模型進行文本分類 SVM模型 SVM的原理 利用SVM模型進行文本分類 LDA主題模型 pLSA治专、共軛先驗分布 LDA 使用...
特征選擇 TF-IDF原理以及利用其進行特征篩選 互信息的原理以及利用其進行特征篩選 TF-IDF 原理: 如何提取一篇文章的的關(guān)鍵詞?文章關(guān)鍵詞:指能體現(xiàn)一篇文章或一部著作...
特征選擇 TF-IDF原理以及利用其進行特征篩選 互信息的原理以及利用其進行特征篩選 TF-IDF 原理: 如何提取一篇文章的的關(guān)鍵詞遭顶?文章關(guān)鍵詞:指能體現(xiàn)一篇文章或一部著作...
任務(wù)要求: 基本文本處理技能:中英文字符串處理(刪除不相關(guān)的字符张峰、去停用詞);分詞(結(jié)巴分詞)棒旗;詞喘批、字符頻率統(tǒng)計。 語言模型铣揉;unigram饶深、bigram、trigram頻率...
IMDB數(shù)據(jù)集下載和探索 根據(jù)TensorFlow官方教程實現(xiàn): THUCNews數(shù)據(jù)集下載和探索 根據(jù)githut進行復(fù)現(xiàn) 對于函數(shù)batch_iter(x, y)的使用還...
任務(wù)要求: 基本文本處理技能:中英文字符串處理(刪除不相關(guān)的字符逛拱、去停用詞)敌厘;分詞(結(jié)巴分詞);詞朽合、字符頻率統(tǒng)計俱两。 語言模型;unigram曹步、bigram宪彩、trigram頻率...
IMDB數(shù)據(jù)集下載和探索 根據(jù)TensorFlow官方教程實現(xiàn): THUCNews數(shù)據(jù)集下載和探索 根據(jù)githut進行復(fù)現(xiàn) 對于函數(shù)batch_iter(x, y)的使用還...