【中英字幕】吴恩达深度学习课程第五课 — 序列模型
https://mooc.study.163.com/course/2001280005
视频仅供学习使用，若侵权请联系删除！
这是深度学习工程师微专业的第五门课。
通过这门课的学习，你将会：
-理解如何构建并训练循环神经网络（RNN），以及一些广泛应用的变体，例如GRU和LSTM
-能够将序列模型应用到自然语言问题中，包括文字合成。
-能够将序列模型应用到音频应用，包括语音识别和音乐合成。
视频选集
（1/33）
【第一周 循环序列模型】1.1为什么选择序列模型
03:01
1.2数学符号
09:16
1.3循环神经网络
16:32
1.4通过时间的方向传播
06:12
1.5不同类型的循环神经网络
09:34
1.6 语言模型和序列生成
12:02
1.7 对新序列采样
08:39
1.8带有神经网络的梯度消失
06:29
1.9 GRU 单元
17:07
1.10 长短期记忆（LSTM）
09:54
1.11 双向神经网络
08:20
1.12 深层循环神经网络
05:17
【第二周 自然语言处理与词嵌入】2.1 词汇表征
10:08
2.2 使用词嵌入
09:23
2.3 词嵌入的特性
11:55
2.4 嵌入矩阵
05:58
2.5 学习词嵌入
10:09
2.6 Word2Vec
12:48
2.7 负采样
11:54
2.8 GloVe 词向量
11:09
2.9 情绪分类
07:38
2.10 词嵌入除偏
11:09
【第三周 序列模型和注意力机制】3.1 基础模型
06:19
3.2 选择最可能的句子
08:57
3.3 定向搜索
11:55
3.4 改进定向搜索
11:01
3.5 定向搜索的误差分析
09:44
3.6 Bleu 得分（选修）
16:27
3.7 注意力模型直观理解
09:42
3.8 注意力模型
12:23
3.9 语音辨识
08:54
3.10 触发字检测
05:04
3.11 结论和致谢
02:45
顶部