Machine learning
โครงข่ายประสาทเทียมแบบวนซ้ำสองทิศทาง
โครงข่ายประสาทเทียมแบบวนซ้ำสองทิศทาง (Bidirectional RNN) ซึ่งนำเสนอโดย Schuster และ Paliwal ในปี 1997 ประมวลผลลำดับข้อมูลทั้งในทิศทางไปข้างหน้าและย้อนกลับ เพื่อให้ทุกตำแหน่งสามารถเข้าถึงบริบทแวดล้อมทั้งหมดได้ ด้วยเซลล์ LSTM หรือ GRU (BiLSTM/BiGRU) จึงเป็นแนวทางมาตรฐานสำหรับการรู้จำหน่วยคำนาม การติดป้ายลำดับ และการรู้จำเสียงพูด
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Bidirectional Recurrent Neural Network (BiLSTM / BiGRU). ScholarGate. https://scholargate.app/th/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.
- กลไกการใส่ใจ (Attention Mechanism)การเรียนรู้เชิงลึก↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- ความสนใจหลายหัวของตนเอง (Multi-Head Self-Attention)การเรียนรู้เชิงลึก↔ compare
- แบบจำลองลำดับต่อลำดับการเรียนรู้เชิงลึก↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare