Dwukierunkowa sieć rekurencyjna
Dwukierunkowa sieć rekurencyjna (RNN), wprowadzona przez Schustera i Paliwala w 1997 roku, przetwarza sekwencję w obu kierunkach – od przodu i od tyłu – dzięki czemu każda pozycja ma dostęp do pełnego otaczającego kontekstu. W połączeniu z komórkami LSTM lub GRU (BiLSTM/BiGRU) jest to standardowe podejście do rozpoznawania nazw własnych, etykietowania sekwencji i rozpoznawania mowy.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/pl/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.
- Mechanizm uwagiUczenie głębokie↔ compare
- Random ForestUczenie maszynowe↔ compare
- Multi-Head Self-AttentionUczenie głębokie↔ compare
- Model sekwencyjny do sekwencyjnego (Seq2Seq)Uczenie głębokie↔ compare
- XGBoostUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →