Machine learning
양방향 RNN
1997년 Schuster와 Paliwal이 소개한 양방향 RNN은 시퀀스를 순방향 및 역방향으로 모두 처리하여 각 위치가 전체 주변 문맥에 접근할 수 있도록 합니다. LSTM 또는 GRU 셀(BiLSTM/BiGRU)과 함께 사용하면 개체명 인식, 시퀀스 레이블링, 음성 인식의 표준 접근 방식입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/ko/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.
- 어텐션 메커니즘딥러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 다중 헤드 셀프 어텐션딥러닝↔ compare
- 순차열 대 순차열 모델딥러닝↔ compare
- XGBoost머신러닝↔ compare