我是一个门外汉，对NLP进行了深入研究，我有一个问题:里程碑式的论文神经概率语言模型(Bengio等人，2003年年)试图通过(1)为每个单词学习一个分布的单词特征向量(即在当代术语中嵌入一个单词)，以及(2)将这些单词向量输入到一个神经网络中来预测n克单词的后继。学习到的词向量在某种意义上保持相似性，训练过程中发生在同一语境中的词向量往往更接近。这允许“用它自己的武器与维度的诅咒作斗争”，正如作者
浏览 0提问于2022-08-01得票数 1
1回答
我正在寻找一个建议，尽快实施卷积算法的CNN推断，但不是一个培训。 这种卷积神经网络被建模为alexnet、mobilenet、resnet等。将在嵌入式ARM设备(A72，A53，A35)上运行，也可能在嵌入式图形处理器上运行。据我所知，目前已经有各种实现方式和神经网络框架，它们有不同的实现方式，如直接卷积、展开卷积(im2col)、基于快速傅立叶变换或Winograd，但我的主要关注点是在<em
浏览 19提问于2019-02-27得票数 1
目前，我已经生成了我的话语的谱图，并且使用简单的模式识别设法在“是”/“否”数据集中接收到40%的WER。不是很好，而是个开始。CNN被赋予了一个40帧的上下文窗口，在这个窗口中检测到了中心帧，我的问题是，使用RNN是否对这里有好处？因此RNN处理上下文，CNN在一个帧谱图上进行“图像分析”。如果是这样的话，它会不会明智地导致一些问题，当我在CNN上做的时候，是否通过在谱图的更大部分上进行模式识别来解决上下文依赖，这取决于上下文窗口的大小，但
浏览 0提问于2017-07-06得票数 2
回答已采纳
2回答
我一直在阅读一些带有深度学习论文的NLP，发现微调似乎是一个简单但却令人困惑的概念。也曾问过同样的问题，但仍然不太清楚。
如y.Kim、“句子分类的卷积神经网络”和K. S. Tai、R.Manning等论文中提到的，将经过预先训练的单词嵌入到特定任务的单词嵌入，“树结构的长时记忆网络的改进语义表示”仅作了简短的介绍，没有详细说明。我的<
浏览 5提问于2016-10-31得票数 14
回答已采纳
然而，我读过几次这样的话：我知道前馈神经网络是什么，但据我所知，深神经网络是指在输入和输出层之间有多个层次的所有人工神经网络？此外，我看到有各种各样的深度学习架构，例如：残差神经网络深玻耳兹曼机
..。然而，维基百科现在也让我很难区分所有的术语，它说：“深层神经网络、深层信念网络、递归神经网络
浏览 0提问于2019-07-15得票数 3
回答已采纳
4回答
对于一些文本处理项目，我们需要在支持向量机和快速人工神经网络之间做出选择。哪种方法是正确的？或者有没有这两个的替代方案...比范恩和支持向量机更合适的方法吗？
浏览 1提问于2010-03-13得票数 14
回答已采纳
我是ML领域的初学者。我正在学习角角，以获得亲身体验。我选择了20_新闻组数据的分类作为我的任务，我使用glove.6B.50d.txt进行嵌入。我选择为这个任务训练一个RNN，因为它有更好地学习时间序列数据的能力。训练与不同组合的LSTM层和输出尺寸，然后收敛到一个组合。然后，我尝试了同样的任务的CNN模型。我发现CNN模型可以学习得更快，在15个周期结束时的准确率约为65%，因为RNN模型需要50次才能获得相同的
浏览 0提问于2018-05-23得票数 1
1回答
我正在读一些关于图卷积神经网络的研究论文，我见过很多术语“潜在表示”。例如，“模型能够学习图的节点的潜在表示”。
“潜伏”这个词在这里是什么意思？它和潜在的特征一样吗？
浏览 0提问于2021-02-27得票数 3
在我正在开发的应用程序中，我有大约5000张产品标签图像(每个产品有一个标签)。
我的应用程序的一个功能是，用户可以使用他的相机拍摄一张照片，并得到一个可能的匹配(Es)的产品标签注册的系统。由于最初，我的系统每个产品只有一个样本，所以我决定采用传统的计算机视觉技术。我使用特征提取和描述符匹配实现了这一点。blob/master/samples/cpp/matching_至_许多_images.
浏览 0提问于2017-10-24得票数 1
回答已采纳
1回答
胶囊神经网络采用卷积、原胶囊和数字胶囊层。同时，采用卷积和最大池层的卷积神经网络。我想对卷积神经网络和胶囊神经网络进行比较。下面的表格是我的cnn模型的架构。我需要在胶囊神经网络上做一个类似的结构。那么，如何正确地叠加胶囊神经网络，堆栈胶囊神经网络是什么样的呢？
浏览 10提问于2022-12-02得票数 -2
1回答
我试图了解卷积神经网络在NLP中的作用。然后利用卷积层提取特征。，我可以理解第一个数字，因为我使用填充相同的，并且跨距1，所以维度应该是相同的。但是为什么第二维度是128，不是应该是200*128吗？内核到底是什么样子的？我假设它只是沿着句子扫描，但是为什么嵌入维会丢失，内核只是对
浏览 0提问于2018-07-13得票数 0
当我读到“用于句子分类的卷积神经网络”时，我注意到该论文实现了“CNN-非静态”模型--一个使用来自word2vec的预训练向量的模型，所有的单词--包括随机初始化的未知单词，和预训练向量对每个任务都进行了微调所以我只是不明白预先训练好的向量是如何对每个任务进行微调的。因为据我所知，输入向量是由word2vec.bin(预训练)从字符串转换而来的，就像图像矩阵一样，在训练CNN过程中不能改变。
浏览 4提问于2016-10-18得票数 1
2回答
什么时候应该使用MLP conv层而不是普通的conv层？有共识吗？还是两者都试一试，看看哪一种表现更好，这是一种规范吗？我希望能更好地理解两者之间的区别。另外，哪个深度学习库支持MLP conv层？本文中使用的是网络中网络。
浏览 0提问于2018-07-19得票数 2
回答已采纳
1回答
卷积神经网络与下采样？
、、、、
在阅读了这一主题之后，我不完全理解：是神经网络中的“卷积”，相当于一个简单的下采样或锐化函数？
你能把这个词分解成一个简单易懂的形象/类比吗？编辑:第一个答案后的改称:池可以理解为权重矩阵的下采样吗？
浏览 2提问于2016-06-29得票数 0
回答已采纳
1回答
我想提取输入图的全局特征。我考虑过使用node2vec为图的每个节点构建嵌入。我如何使用这些节点嵌入来为图提供全局功能？平均图中所有节点的嵌入，并考虑结果向量，图的特征向量是否合适？
浏览 2提问于2018-11-29得票数 6
1回答
我正在经历扩展的残余网络博客帖子。在这篇文章中，作者在2.Multi-scale Context aggregation标题下提到了这一点。我想，我们决定在下一层的通道数和内核将被随机初始化。这些核形状是由我们决定的，它们是1x1或3x3等，所以，作者说1x1卷积来映射与
浏览 0提问于2019-03-20得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
