Fondamenti di reti neurali ricorrenti semplici

I dati sequenziali sono ovunque intorno a noi, dal linguaggio naturale alle misure delle serie temporali, ma le reti neurali standard faticano a elaborarle.Questo corso ti introduce all'architettura di base progettata specificamente per i modelli sequenzial: la rete neurale ricorrente (RNN). Alla fine di questo corso, capirai come le informazioni fluiscono attraverso una cella RNN, come le connessioni ricorrenti mantengono lo stato e come queste reti imparano.Per saperne di più, visita il sito Web di questo corsi. Cosa imparerai: Comprendere l'architettura fondamentale di una semplice cella di rete neurale ricorrente; Imparare come gli stati nascosti portano la memoria in avanti attraverso più passaggi temporali; Praticare il calcolo della propagazione in avanti passo dopo passo attraverso spiegazioni matematiche; Padroneggiare il concetto di backpropagation attraverso il tempo (BPTT) e come scorrono i gradienti; Identificare i limiti delle RNN di base, compresi i gradienti di scomparsa ed esplosione; Esplorare i moderni concetti di modellazione sequenziale, inclusa un'introduzione concettuale alle architetture gated e ai meccanismi di attenzione. Inizierai esplorando le basi assolute dei dati sequenziali e della terminologia chiave, prima di analizzare le operazioni matematiche all'interno di una singola cella RNN.Il corso ti guiderà attraverso il processo di allenamento e le sfide della memoria a lungo termine nel deep learning. Questo corso è progettato per i principianti nel deep learning, gli sviluppatori di software e gli appassionati di dati che cercano di comprendere i modelli sequenziali senza bisogno di prerequisiti matematici avanzati.Inizia a leggere oggi per sbloccare la meccanica delle reti neurali sequenzial... [-]