RNN Bidirecional
Uma RNN Bidirecional, introduzida por Schuster e Paliwal em 1997, processa uma sequência em ambas as direções, para a frente e para trás, de modo que cada posição tenha acesso ao seu contexto circundante completo. Com células LSTM ou GRU (BiLSTM/BiGRU) é a abordagem padrão para reconhecimento de entidades nomeadas, rotulagem de sequências e reconhecimento de fala.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/pt/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.
- Mecanismo de AtençãoAprendizado profundo↔ compare
- Random ForestAprendizado de máquina↔ compare
- Autoatenção Multi-CabeçaAprendizado profundo↔ compare
- Modelo Sequência-para-SequênciaAprendizado profundo↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →