编译 | AI科技大本营(rgznai100)
循环神经网络或递归神经网络(Recurrent Neural Networks)可以描述动态时间行为,和前馈神经网络(Feedforward Neural Network)接受较特定结构的输入不同,RNN将状态在自身网络中循环传递,因此可以接受更广泛的时间序列结构输入。
手写识别是最早成功利用RNN的研究结果,目前RNN已经在众多自然语言处理(Natural Language Processing, NLP)中取得了成功以及广泛应用。
在本视频中,Siraj Raval将介绍一些关于RNN的基础知识,以及演示他如何使用80行的Python来搭建一个可以预测两个二进制数之和的RNN。
来跟着Siraj Raval一起开始吧……
代码链接:https://github.com/llSourcell/recurrent_neural_net_demo
程序员想转型AI却迟迟无法开始?也许你需要一种更加有趣的学习方式。
Siraj Raval是一位人工智能领域的编程高手,毕业于哥伦比亚大学,曾任职于 Twilio 和 Meetup。一年以来,他通过制作AI教程类短视频的方式在Youtube上积累了大量的粉丝,视频内容包含:如何搭建神经网络、聊天机器人、AI游戏、AI作曲家、递归神经网络、无人驾驶汽车等在内的大量实用的案例,更加令人钦佩的是,这些视频长度大多都在10分钟以内,实在是快速上手AI的一条捷径。
为了使更多的中国开发者看到这些有用的视频,AI科技大本营已经联系到Siraj Raval,并获得了翻译其系列视频的授权,我们将在每周一、三、五定期更新,欢迎大家持续关注!