Variantes de arquitecturas de redes neuronales recurrentes Ppt de capacitación

Diapositiva 1

Esta diapositiva muestra tres variantes de arquitecturas de redes neuronales recurrentes. Estos incluyen redes neuronales recurrentes bidireccionales, memoria a largo plazo y unidades recurrentes cerradas.

Diapositiva 2

Esta diapositiva habla sobre la red neuronal recurrente bidireccional como arquitectura. Los RNN bidireccionales extraen datos futuros para aumentar la precisión, mientras que los RNN unidireccionales solo pueden basarse en entradas anteriores para crear predicciones sobre el estado actual.

Diapositiva 3

Esta diapositiva proporciona información sobre la memoria a largo plazo como arquitectura. LSTM es un diseño RNN bien conocido desarrollado por Sepp Hochreiter y Juergen Schmidhuber para abordar el problema del gradiente de fuga.

Notas del instructor: en las capas profundas de la red neuronal, los LSTM tienen "celdas" que tienen tres puertas: puerta de entrada, puerta de salida y puerta de olvido. Estas puertas regulan el flujo de datos necesarios para pronosticar la salida de la red.

Diapositiva 4

Esta diapositiva habla de las unidades recurrentes cerradas como arquitectura. Esta versión de RNN es similar a los LSTM porque también funciona para resolver el problema de memoria a corto plazo de los modelos RNN. Emplea estados ocultos en lugar de "estados de celda" para gobernar la información, y en lugar de tres puertas, solo tiene dos: una puerta de reinicio y una puerta de actualización.