循环神经网络（RNN）的应用
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了循环神经网络（RNN）的应用相关的知识，希望对你有一定的参考价值。
参考技术A循环神经网络（RNN）是目前深度学习最有前景的工具之一，它解决了传统神经网络不能共享从数据中共享位置的特征的问题。目前，RNN已经有了不少有意思的应用：
语音识别 ：输入的语音数据，生成相应的语音文本信息。比如微信的语音转文字功能。
机器翻译 ：不同语言之间的相互转换。像有道翻译、腾讯翻译官等。最近微软据说实现了中翻英媲美人类的水平
音乐生成 ：使用RNN网络生成音乐，一般会用到RNN中的LSTM算法（该算法可以解决RNN网络中相距较远的节点梯度消失的问题）。下面这个github项目实现了jazz音乐的生成。
deepjazz
文本生成 ：利用RNN亦可以生成某种风格的文字。有兴趣的可以看一下一下两个github项目
numpy实现字符层面的文本生成器
keras实现特定作家风格的文本
情感分类 ：输入文本或者语音的评论数据，输出相应的打分数据。
DNA序列分析 ：输入的DNA序列，输出蛋白质表达的子序列。
视频行为识别 ：识别输入的视频帧序列中的人物行为。
实体名字识别 ：从文本中识别实体的名字。
hello-循环神经网络（RNN）原理
主要的应用：机器翻译，自然语言处理，文本处理，语音识别, 图像描述生成 (Generating Image Descriptions), 图像问答QA....
1. RNN怎么来的？
2. RNN的网络结构及原理
3. RNN的改进1：双向RNN
4. RNN的改进2：深层双向RNN
4.1 Pyramidal RNN
5. RNN的训练-BPTT
6. RNN与CNN的结合应用：看图说话
7. RNN项目练手
-
循环神经网络(RNN, Recurrent Neural Networks)介绍
本系列将实现一个基于循环神经网络的语言模型(recurrent neural network based language model)。该实现包含两个方面：一是能够得到任意语句在现实中成立的得分，其提供了判断语法与语义的正确性的度量方式。该模型是机器翻译中的典型应用。二是模型能够产生新的文本，这是一个非常棒的应用。比如，对莎士比亚的文章进行训练，能够产生一个新的类似莎士比亚的文本，目前，这个有趣的想法已经被Andrew Karpathy基于RNNs的字符级别的语言模型实现了。
- Word2Vec Tutorial—The Skip-Gram Model
- Word Embedding Explained and Visualized
- Vector Representation of Words
以上是关于循环神经网络（RNN）的应用的主要内容，如果未能解决你的问题，请参考以下文章