前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >深度学习 Memory & Attention 技术最新进展 (75PPT下载)

深度学习 Memory & Attention 技术最新进展 (75PPT下载)

作者头像
新智元
发布2018-03-26 10:45:08
1K0
发布2018-03-26 10:45:08
举报
文章被收录于专栏:新智元

【新智元导读】Memory 和 Attention 技术目前在深度学习中得到了较为广泛的采用,本文总结了这两项技术的最前沿进展。其中包括在分类、问答、神经网络翻译等方面的应用。作者在最后分析了Pointer Networks 在深度学习中的优势和原理。

深度学习中 Memory 和 Attention 的前沿进展

作者:Stephen Merity

分类任务

拥有好的数据,深度学习能在图像和文本分类中做到极高的准确率。而分类器的训练其实是非常容易的:6年级和7年级的中学生创建了一个定制的视觉分类器,准确率达到90%。

在医疗诊断方面的应用:颅内出血检查

ImageNet 中分类错误率逐年降低

GPU 提升表现

但是,深度学习并不是万能的。

问答任务

信息瓶颈

在什么地方,你的模型被迫使用一个压缩表示?最重要的是,这是一件好事吗?

神经网络与压缩,是不是似曾相似?

现实世界中,没有人会进行CNN压缩

除非是Magic Pony

推特与Magic Pony已经达成合作。

词向量

“dog”这个单词可以转化成100个维度的向量

通过Word2vec 的词向量

(少量)Memory,(无)Attention

从输入层到隐藏层再到输出层

递归神经网络(RNN)的例子

神经机器翻译

Attention 与 Memory

神经机器翻译中的应用

动态记忆网络中的问答

结果,聚焦三个实验:文本、视觉和Attention 可视化

问答任务中的Attention 和 Memory

Pointer Networks

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2016-10-27,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 新智元 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
机器翻译
机器翻译(Tencent Machine Translation,TMT)结合了神经机器翻译和统计机器翻译的优点,从大规模双语语料库自动学习翻译知识,实现从源语言文本到目标语言文本的自动翻译,目前可支持十余种语言的互译。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档