Что вам приходит в голову при слове «Рекуррентный»?🙂 Вам не кажется, что это что-то вроде рекурсии или повторения??🙃 Да!! ты прав!😃
Во-первых, что такое нейронная сеть? В нашей нервной системе есть нейроны, которые являются ее фундаментальными единицами. Нейроны в основном используются для отправки электрических сигналов внутри нашего тела. Таким образом, сеть таких единиц называется нейронной сетью!
Искусственная нейронная сеть (ИНС) — это термин в вычислительной технике, вдохновленный объясненным выше биологическим контекстом. Здесь мы программно строим вышеуказанную структуру, используя узлы в качестве нейронов! Для сложных сценариев, когда у нас есть связанные данные, но мы не знаем, как происходит конкретный процесс, мы можем использовать ИНС. Мы обучаем конкретный сценарий сети, и, следовательно, каждый нейрон ведет себя как клетка мозга, выполняя свои индивидуальные задачи! Но обычно это не имеет памяти.
Просто разница в рекуррентной нейронной сети (RNN) заключается в том, что она принимает предыдущие выходные данные в качестве текущих входных данных! Другими словами, RNN передают результаты обратно в сеть. Следовательно, RNN получает память о предыдущих вычислениях. Следовательно, мы можем использовать это в ситуациях, когда для получения следующих результатов требуются предыдущие результаты! Так где???
Просто подумайте о функции предложения текста, которую предоставляет большинство программ для обработки текстов. круто!🤩 Им нужно предыдущее слово/слова, чтобы угадать следующее слово. Требуется предыдущая память! Например, можете ли вы угадать, что будет дальше «Я люблю петь __»? Глядя только на последнее слово («пение»), мы можем угадывать разные типы слов. «петь песню», петь хорошо, красиво петь и т. д. Итак, теперь вы можете видеть, как ваше программное обеспечение для обработки текстов предлагает вам именно слово «песня», не просто глядя только на предыдущее слово, оно просматривает больше слов, чтобы понять, что будет дальше!
Итак, вы используете RNN в своей повседневной жизни, верно???🙃
И почему не в «Языковом переводе»! Вы знаете, что язык очень чувствителен в некоторых ситуациях, когда небольшое изменение в грамматике меняет весь смысл предложения. Итак, если конкретная нейронная сеть обучается только значениям слов, добьется ли она успеха?? Есть слова с несколькими значениями. Как он определяет правильное значение подходит для конкретного перевода? 🙃 Он должен иметь расчеты для предыдущих слов предложения! Это еще один вариант использования RNN.
В RNN есть много других применений. Большинство из них относятся к области обработки естественного языка (NLP)!
Традиционная RNN имеет некоторые ограничения на распространение информации, когда количество сетевых уровней становится большим. Но есть архитектурные решения, такие как долговременная кратковременная память (LSTM) и многое другое, поскольку область искусственного интеллекта (ИИ) быстро развивается!
Еще кое-что! Использование RNN зависит от требований вашего приложения! Никогда не пытайтесь использовать его как золотой молоток! Неправильное использование сделает ваше приложение полным беспорядком!
Увидимся и ура!!
