Dкновеirziena atkārtojošais neironu tīkls
Dкновеirziena atkārtojošais neironu tīkls (Bidirectional RNN), ko 1997. gadā ieviesa Šusters un Palivals, apstrādā sekvenci gan virzienā uz priekšu, gan atpakaļ, lai katra pozīcija piekļūtu pilnam apkārtējam kontekstam. Ar LSTM vai GRU šūnām (BiLSTM/BiGRU) tas ir standarta paņēmiens nosaukto entitāšu atpazīšanai, sekvenču marķēšanai un runas atpazīšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/lv/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.
- Attention mechanismDziļā mācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Daudzgalvu paše-uzmanībaDziļā mācīšanās↔ compare
- Sekvences-sekvences modelisDziļā mācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →