Αμφίδρομο RNN
Ένα αμφίδρομο RNN, που εισήχθη από τους Schuster και Paliwal το 1997, επεξεργάζεται μια ακολουθία τόσο προς τα εμπρός όσο και προς τα πίσω, ώστε κάθε θέση να έχει πρόσβαση στο πλήρες περιβάλλον της. Με κυψέλες LSTM ή GRU (BiLSTM/BiGRU) αποτελεί την τυπική προσέγγιση για την αναγνώριση ονομαστικών οντοτήτων, την επισήμανση ακολουθιών και την αναγνώριση ομιλίας.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Schuster, M. & Paliwal, K.K. (1997). Bidirectional Recurrent Neural Networks. IEEE Transactions on Signal Processing, 45(11), 2673–2681. DOI: 10.1109/78.650093 ↗
- Graves, A. & Schmidhuber, J. (2005). Framewise Phoneme Classification with Bidirectional LSTM Networks. IJCNN, 2047–2052. DOI: 10.1109/IJCNN.2005.1556215 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/el/deep-learning/bidirectional-rnn
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Μηχανισμός ΠροσοχήςΒαθιά Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- Αυτο-προσοχή πολλαπλών κεφαλώνΒαθιά Μάθηση↔ compare
- Μοντέλο Ακολουθίας προς ΑκολουθίαΒαθιά Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →