RNN Bidirezionale
Una RNN Bidirezionale, introdotta da Schuster e Paliwal nel 1997, elabora una sequenza in entrambe le direzioni, avanti e indietro, in modo che ogni posizione abbia accesso al suo intero contesto circostante. Con celle LSTM o GRU (BiLSTM/BiGRU) è l'approccio standard per il riconoscimento di entità nominate, l'etichettatura di sequenze e il riconoscimento vocale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/it/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.
- Meccanismo di AttenzioneApprendimento profondo↔ compare
- Random ForestApprendimento automatico↔ compare
- Auto-attenzione multi-testaApprendimento profondo↔ compare
- Modello Sequence-to-SequenceApprendimento profondo↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →