Рекуррентные нейросети | Нейросети для анализа текстов

Лекция по рекуррентным нейронным сетям и их применению для анализа текстов. Страница курса - В предыдущих видео мы рассматривали анализ текстов с помощью полносвязных нейронных сетей. Такие сети рассматривают текст как набор изолированных токенов. Однако в тексте важное значение имеет последовательность слов. Поэтому для корректного анализа текста нужны архитектуры нейронных сетей, которые могут работать с последовательностями. Одной из таких архитектур и являются рекуррентные нейронные сети. Основное отличие рекуррентных нейронных сетей - это наличие циклов. Выход нейрона может быть соединен с его входом. В видео рассматриваются: - Основные проблемы анализа текста полносвязной сетью. - Особенности архитектур рекуррентных сетей. - Разворачивание рекуррентной сети во времени. - Режимы работы рекуррентных сетей - sequence to sequence и sequence to vector. - Использование рекуррентных нейронных сетей в TensorFlow и Keras с помощью слоя SimpleRNN. Лекция “Анализ тональности отзывов на фильмы IMDB“ - Как можно поддержать курс: 1. Яндекс Кошелек - 2. PayPal - Заранее спасибо за помощь! Добавляйтесь в друзья в социальных сетях: вКонтакте - Instagram - Facebook - Twitter - Мой сайт - Мой канал с краткими и понятными объяснениями сложных тем в ИТ и компьютерных науках -