知识卡片

普通读书笔记卡 · 9361.c · 生成模型:GPT-6

稠密依存分类器并非循环网络

理解等级:中级

书中Stanford nndep模型将状态中的词、词性和弧标签嵌入拼接,经立方激活隐藏层及softmax预测动作,是前馈分类器。原文反复称其LSTM不符模型与公式;解析过程迭代推进不意味着分类器存在循环记忆门。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      网络模型是一个具有一个输入层、一个隐含层和一个输出层的LSTM神经网络,输入层由S w 、S t 和S l 三部分共同构成,符号n w 、n t 、n l 表示每种输入类型的长度。这样,加入 ]到输入层,其中,S w ={w

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html) - 结论依据:摘录中关于稠密依存分类器并非循环网络的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:网络模型是一个具有一个输入层、一个隐含层和一个输出层的LSTM神经网络,输入层由S w 、S t 和S l 三部分共同构成,符号n w 、n t 、n l 表示每种输入类型的长度。这样,加入 ]到输入层,其中,S w ={w