Deep learning 在递归神经网络的背景下，'；以某物为条件'；？_Deep Learning_Recurrent Neural Network_Language Model

Deep learning 在递归神经网络的背景下，'；以某物为条件'；？

deep-learning

Deep learning 在递归神经网络的背景下，'；以某物为条件'；？,deep-learning,recurrent-neural-network,language-model,Deep Learning,Recurrent Neural Network,Language Model,在递归神经网络（RNN）中，例如本文：，它说RNN语言模型是以引言第3段第7行的输入序列为条件的那么，RNN中条件作用的概念是什么呢？RNN中顺序对顺序学习中的“条件作用”是计算获得以输入序列为条件的输出序列的概率的过程，或p（y | x）。该网络用于对这种条件概率映射进行建模一种加速顺序对顺序学习训练的技术被称为教师强迫，在这种技术中，相邻时间步中神经元的隐藏状态被解耦（见图）。地面真值标签y（t-1）与输入序列元素x（t-1）一起用作后续时间步中神经元的输入。教师强制消除了时间反向传播

在递归神经网络（RNN）中，例如本文：，它说RNN语言模型是以引言第3段第7行的输入序列为条件的

那么，RNN中条件作用的概念是什么呢？

RNN中顺序对顺序学习中的“条件作用”是计算获得以输入序列为条件的输出序列的概率的过程，或

p（y | x）

。该网络用于对这种条件概率映射进行建模

一种加速顺序对顺序学习训练的技术被称为教师强迫，在这种技术中，相邻时间步中神经元的隐藏状态被解耦（见图）。地面真值标签y（t-1）与输入序列元素x（t-1）一起用作后续时间步中神经元的输入。教师强制消除了时间反向传播的需要，并使用较少的计算资源并行化培训。不幸的是，一些实证结果表明，与“普通”RNN相比，采用教师强迫的RNN对泛化错误的鲁棒性较差

编辑：图像还包括教师在序列中强制序列RNN近似的条件概率分布