1、培訓過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結(jié)束后,授課老師留給學員聯(lián)系方式,保障培訓效果,免費提供課后技術(shù)支持。
        3、培訓合格學員可享受免費推薦就業(yè)機會。

循環(huán)神經(jīng)網(wǎng)絡(luò)是代表性的深度學習模型基礎(chǔ)之一，本節(jié)課我們會介紹這個方向中重要的網(wǎng)絡(luò)結(jié)構(gòu)，RNN、LSTM、GRU和 NTM，并給出 PaddlePaddle 如何實現(xiàn)這些網(wǎng)絡(luò)的示例。幫助大家掌握循環(huán)神經(jīng)網(wǎng)絡(luò)原理和技術(shù)。
適用人群
互聯(lián)網(wǎng)、多媒體、智能化等it行業(yè)
課程簡介
序列數(shù)據(jù)是很多的場景中都會碰到的形式，這是一類極具代表性的數(shù)據(jù)，針對這一類數(shù)據(jù)背后的問題，我們有很多的方法來解決。本節(jié)課對序列數(shù)據(jù)的場景進行分析并給出相關(guān)介紹。循環(huán)網(wǎng)絡(luò)是適合處理序列數(shù)據(jù)的一種神經(jīng)網(wǎng)絡(luò)模型，其本身的特點與序列數(shù)據(jù)能夠完美匹配。當然這類網(wǎng)絡(luò)的訓練也是有著相對困難的地方。本節(jié)課將會介紹循環(huán)神經(jīng)網(wǎng)絡(luò)的基本概念和結(jié)構(gòu)。LSTM 網(wǎng)絡(luò)是針對循環(huán)網(wǎng)絡(luò)的弱點提出來的一種相對復雜的循環(huán)網(wǎng)絡(luò)結(jié)構(gòu)，它也是很多網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的基礎(chǔ)。由于其具備了一點的記憶能力，使得在處理序列問題中更加能夠克服長距離預(yù)測問題。本節(jié)課我們會介紹 LSTM 這個循環(huán)神經(jīng)網(wǎng)絡(luò)。經(jīng)過多年發(fā)展，大家發(fā)現(xiàn)通過簡化 LSTM 模型也能夠得到能力相當?shù)哪Ｐ汀Ｆ渲芯哂写硇缘墓ぷ骶褪?GRU，通過適當改變門限的設(shè)計而成的網(wǎng)絡(luò)。我們會簡單介紹 GRU 網(wǎng)絡(luò)。LSTM 網(wǎng)絡(luò)是增加一定的記憶能力，但這點記憶還不足夠。NTM 是一種引入外部記憶的網(wǎng)絡(luò)結(jié)構(gòu)。我們給出神經(jīng)圖靈機的整體架構(gòu)。最后給出 PaddlePaddle 實現(xiàn) LSTM 和 GRU 模型。
1課程導引
2序列場景分析
3初識循環(huán)神經(jīng)網(wǎng)絡(luò)
4突破障礙的LSTM
5新式的簡化變體GRU網(wǎng)絡(luò)
6神經(jīng)圖靈機整體結(jié)構(gòu)
7神經(jīng)圖靈機-尋址
8神經(jīng)圖靈機-控制器
9paddlepaddle實現(xiàn)LSTM和GRU
PaddlePaddle 實現(xiàn) LSTM 和 GRU 模型