会员服务
深度学习 · 反向传播 · 双向LSTM · 循环神经网络 ·
2020 年 2 月 3 日
【MIT深度学习课程】深度序列建模，Deep Sequence Modeling
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

主题： Deep Sequence Modeling

简介：

  • 一个序列建模问题：预测下一个单词

  • 循环神经网络（RNNs）

  • 时间反向传播（BPTT）

  • 长短期记忆（LSTM）网络

  • RNN应用

成为VIP会员查看完整内容
http://introtodeeplearning.com/slides/6S191_MIT_DeepLearning_L2.pdf
[论文]
77

相关内容

机器学习的一个分支，它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【DeepMind深度学习课程】序列循环神经网络，141页ppt，Sequences and Recurrent Network
【DeepMind深度学习课程】序列循环神经网络，141页ppt，Sequences and Recurrent Network
专知会员服务
84+阅读 · 2020年6月23日
一份循环神经网络RNNs简明教程，37页ppt
一份循环神经网络RNNs简明教程，37页ppt
专知会员服务
172+阅读 · 2020年5月6日
深度学习自然语言处理概述，216页ppt，Jindřich Helcl
深度学习自然语言处理概述，216页ppt，Jindřich Helcl
专知会员服务
212+阅读 · 2020年4月26日
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020）PPT
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020）PPT
专知会员服务
179+阅读 · 2020年3月16日
WSDM 2020教程《深度贝叶斯数据挖掘》，附257页PPT下载
WSDM 2020教程《深度贝叶斯数据挖掘》，附257页PPT下载
专知会员服务
156+阅读 · 2020年2月7日
麻省理工MIT2020深度学习导论课程6.S191，10大前沿主题：序列建模、生成模型、强化学习、GNN、对抗学习等，不得不看
麻省理工MIT2020深度学习导论课程6.S191，10大前沿主题：序列建模、生成模型、强化学习、GNN、对抗学习等，不得不看
专知会员服务
147+阅读 · 2020年2月2日
【AAAI Tutorials 2019】深度贝叶斯与序列学习（ Deep Bayesian and Sequential Learning）
【AAAI Tutorials 2019】深度贝叶斯与序列学习（ Deep Bayesian and Sequential Learning）
专知会员服务
71+阅读 · 2019年11月18日
【麻省理工学院课程】MIT 6.S191：Introduction to Deep Learning , 深度学习导论,NSF研究员Alexander Amini
【麻省理工学院课程】MIT 6.S191：Introduction to Deep Learning , 深度学习导论,NSF研究员Alexander Amini
专知会员服务
33+阅读 · 2019年11月2日
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
专知会员服务
50+阅读 · 2019年11月1日
CMU博士论文：可微优化机器学习建模
CMU博士论文：可微优化机器学习建模
专知会员服务
58+阅读 · 2019年10月26日
前沿 | CNN取代RNN？当序列建模不再需要循环网络
前沿 | CNN取代RNN？当序列建模不再需要循环网络
机器之心
3+阅读 · 2018年8月7日
深度学习循环神经网络详解
深度学习循环神经网络详解
七月在线实验室
16+阅读 · 2018年5月28日
关于序列建模，是时候抛弃RNN和LSTM了
关于序列建模，是时候抛弃RNN和LSTM了
数盟
7+阅读 · 2018年4月20日
机器之心GitHub项目：从循环到卷积，探索序列建模的奥秘
机器之心GitHub项目：从循环到卷积，探索序列建模的奥秘
机器之心
7+阅读 · 2018年4月12日
一门面向所有人的人工智能公开课：MIT 6.S191，深度学习入门
一门面向所有人的人工智能公开课：MIT 6.S191，深度学习入门
机器之心
5+阅读 · 2018年4月8日
春节充电系列：李宏毅2017机器学习课程学习笔记26之结构化学习-序列标注 Sequence Labeling（part 2）
春节充电系列：李宏毅2017机器学习课程学习笔记26之结构化学习-序列标注 Sequence Labeling（part 2）
专知
12+阅读 · 2018年3月13日
学界 | MIT深度学习课程全部视频及课件开放
学界 | MIT深度学习课程全部视频及课件开放
大数据文摘
7+阅读 · 2018年2月20日
CMU2018春季课程：神经网络自然语言处理课程（附PPT和代码）
CMU2018春季课程：神经网络自然语言处理课程（附PPT和代码）
专知
12+阅读 · 2018年2月2日
终于！吴恩达deeplearning.ai第5课开课了：敲黑板序列模型
终于！吴恩达deeplearning.ai第5课开课了：敲黑板序列模型
机器之心
3+阅读 · 2018年2月1日
深度学习基础之LSTM
深度学习基础之LSTM
全球人工智能
28+阅读 · 2017年12月18日
A Comparative Study on Transformer vs RNN in Speech Applications
A Comparative Study on Transformer vs RNN in Speech Applications
Arxiv
4+阅读 · 2019年9月13日
Language Modeling with Deep Transformers
Arxiv
6+阅读 · 2019年7月11日
Exploring RNN-Transducer for Chinese Speech Recognition
Arxiv
4+阅读 · 2019年4月23日
Image Captioning based on Deep Reinforcement Learning
Image Captioning based on Deep Reinforcement Learning
Arxiv
9+阅读 · 2018年9月13日
End-to-end Speech Recognition with Word-based RNN Language Models
End-to-end Speech Recognition with Word-based RNN Language Models
Arxiv
3+阅读 · 2018年8月8日
GraphRNN: A Deep Generative Model for Graphs
Arxiv
6+阅读 · 2018年2月24日
State-of-the-art Speech Recognition With Sequence-to-Sequence Models
Arxiv
7+阅读 · 2018年1月18日
Deep Semantic Role Labeling with Self-Attention
Arxiv
13+阅读 · 2017年12月5日
Convolutional Sequence to Sequence Learning
Arxiv
4+阅读 · 2017年7月25日
Depth-Gated LSTM
Arxiv
4+阅读 · 2015年8月25日
VIP会员
相关主题
深度学习
反向传播
双向LSTM
循环神经网络
相关VIP内容
【DeepMind深度学习课程】序列循环神经网络，141页ppt，Sequences and Recurrent Network
【DeepMind深度学习课程】序列循环神经网络，141页ppt，Sequences and Recurrent Network
专知会员服务
84+阅读 · 2020年6月23日
一份循环神经网络RNNs简明教程，37页ppt
一份循环神经网络RNNs简明教程，37页ppt
专知会员服务
172+阅读 · 2020年5月6日
深度学习自然语言处理概述，216页ppt，Jindřich Helcl
深度学习自然语言处理概述，216页ppt，Jindřich Helcl
专知会员服务
212+阅读 · 2020年4月26日
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020）PPT
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020）PPT
专知会员服务
179+阅读 · 2020年3月16日
WSDM 2020教程《深度贝叶斯数据挖掘》，附257页PPT下载
WSDM 2020教程《深度贝叶斯数据挖掘》，附257页PPT下载
专知会员服务
156+阅读 · 2020年2月7日
麻省理工MIT2020深度学习导论课程6.S191，10大前沿主题：序列建模、生成模型、强化学习、GNN、对抗学习等，不得不看
麻省理工MIT2020深度学习导论课程6.S191，10大前沿主题：序列建模、生成模型、强化学习、GNN、对抗学习等，不得不看
专知会员服务
147+阅读 · 2020年2月2日
【AAAI Tutorials 2019】深度贝叶斯与序列学习（ Deep Bayesian and Sequential Learning）
【AAAI Tutorials 2019】深度贝叶斯与序列学习（ Deep Bayesian and Sequential Learning）
专知会员服务
71+阅读 · 2019年11月18日
【麻省理工学院课程】MIT 6.S191：Introduction to Deep Learning , 深度学习导论,NSF研究员Alexander Amini
【麻省理工学院课程】MIT 6.S191：Introduction to Deep Learning , 深度学习导论,NSF研究员Alexander Amini
专知会员服务
33+阅读 · 2019年11月2日
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
专知会员服务
50+阅读 · 2019年11月1日
CMU博士论文：可微优化机器学习建模
CMU博士论文：可微优化机器学习建模
专知会员服务
58+阅读 · 2019年10月26日
热门VIP内容
相关资讯
前沿 | CNN取代RNN？当序列建模不再需要循环网络
前沿 | CNN取代RNN？当序列建模不再需要循环网络
机器之心
3+阅读 · 2018年8月7日
深度学习循环神经网络详解
深度学习循环神经网络详解
七月在线实验室
16+阅读 · 2018年5月28日
关于序列建模，是时候抛弃RNN和LSTM了
关于序列建模，是时候抛弃RNN和LSTM了
数盟
7+阅读 · 2018年4月20日
机器之心GitHub项目：从循环到卷积，探索序列建模的奥秘
机器之心GitHub项目：从循环到卷积，探索序列建模的奥秘
机器之心
7+阅读 · 2018年4月12日
一门面向所有人的人工智能公开课：MIT 6.S191，深度学习入门
一门面向所有人的人工智能公开课：MIT 6.S191，深度学习入门
机器之心
5+阅读 · 2018年4月8日
春节充电系列：李宏毅2017机器学习课程学习笔记26之结构化学习-序列标注 Sequence Labeling（part 2）
春节充电系列：李宏毅2017机器学习课程学习笔记26之结构化学习-序列标注 Sequence Labeling（part 2）
专知
12+阅读 · 2018年3月13日
学界 | MIT深度学习课程全部视频及课件开放
学界 | MIT深度学习课程全部视频及课件开放
大数据文摘
7+阅读 · 2018年2月20日
CMU2018春季课程：神经网络自然语言处理课程（附PPT和代码）
CMU2018春季课程：神经网络自然语言处理课程（附PPT和代码）
专知
12+阅读 · 2018年2月2日
终于！吴恩达deeplearning.ai第5课开课了：敲黑板序列模型
终于！吴恩达deeplearning.ai第5课开课了：敲黑板序列模型
机器之心
3+阅读 · 2018年2月1日
深度学习基础之LSTM
深度学习基础之LSTM
全球人工智能
28+阅读 · 2017年12月18日
相关论文
A Comparative Study on Transformer vs RNN in Speech Applications
A Comparative Study on Transformer vs RNN in Speech Applications
Arxiv
4+阅读 · 2019年9月13日
Language Modeling with Deep Transformers
Arxiv
6+阅读 · 2019年7月11日
Exploring RNN-Transducer for Chinese Speech Recognition
Arxiv
4+阅读 · 2019年4月23日
Image Captioning based on Deep Reinforcement Learning
Image Captioning based on Deep Reinforcement Learning
Arxiv
9+阅读 · 2018年9月13日
End-to-end Speech Recognition with Word-based RNN Language Models
End-to-end Speech Recognition with Word-based RNN Language Models
Arxiv
3+阅读 · 2018年8月8日
GraphRNN: A Deep Generative Model for Graphs
Arxiv
6+阅读 · 2018年2月24日
State-of-the-art Speech Recognition With Sequence-to-Sequence Models
Arxiv
7+阅读 · 2018年1月18日
Deep Semantic Role Labeling with Self-Attention
Arxiv
13+阅读 · 2017年12月5日
Convolutional Sequence to Sequence Learning
Arxiv
4+阅读 · 2017年7月25日
Depth-Gated LSTM
Arxiv
4+阅读 · 2015年8月25日
微信扫码咨询专知VIP会员
Top