PyTorch 递归神经网络(Recursive Neural Networks)

深度神经网络在机器学习理解自然语言过程方面具有独特的特性。据观察,这些模型大多数将语言看作是单词或字符的扁平序列,并使用一种称为循环神经网络或RNN的模型。许多研究人员得出结论,语言是最好的理解关于短语的层次树。这种类型包含在考虑特定结构的递归神经网络中。本文主要介绍PyTorch 递归神经网络(Recursive Neural Networks)。

PyTorch有一个特定的特性,可以帮助简化这些复杂的自然语言处理模型。它是一个功能齐全的框架,为各种深度学习提供了强大的计算机视觉支持。

1、递归神经网络的特点

  • 以这样的方式创建递归神经网络,使得它包括应用相同的重量与不同的图形等结构。
  • 节点以拓扑顺序遍历。
  • 这种类型的网络受到自动差异的反向模式训练。
  • 自然语言处理包括递归神经网络的特殊情况。
  • 这种递归神经张量网络包括树中的各种合成功能节点。

递归神经网络的示例如下所示:


推荐阅读
cjavapy编程之路首页