気に入った記事をブックマーク
- 気に入った記事を保存できます
保存した記事の一覧は、はてなブックマークで確認・編集ができます
- 記事を読んだ感想やメモを書き残せます
- 非公開でブックマークすることもできます
qiita.com/segavvyエントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
0
記事へのコメント0件
- 注目コメント
- 新着コメント
新着コメントはまだありません。
このエントリーにコメントしてみましょう。
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
いまの話題をアプリでチェック！
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
ゼロから作るDeep Learning❷で素人がつまずいたことメモ:5章 - Qiita
5章 リカレントニューラルネットワーク（RNN） この章は、リカレントニューラルネットワークの説明です... 5章 リカレントニューラルネットワーク（RNN） この章は、リカレントニューラルネットワークの説明です。 5.1 確率と言語モデル 言語モデルの説明と、CBOWを言語モデルに使おうとした時の問題点が解説されています。式5.8が近似になっているのは、CBOWだと単語の並びを無視してしまうからということかと思います。 word2vecは単語の並びを無視してしまうので、分散表現に使うならこの章で学ぶRNNの方が良さそうに思えるのですが、RNNが先に生まれ、語彙数増加と質の向上のために後からword2vecが提案されたとのことで、実際には逆の流れだったというのが興味深いです。 5.2 RNNとは RNNの解説です。活性化関数としてtanh関数（双曲線正接関数）がでてきますが、なぜかこの本では解説がないので、詳細は「tanh」でググりましょう。 あと少し気になったのは、ミニバッチ学習でデータを終端ま
qiita.com/segavvy
qiita.com/segavvy
qiita.com
qiita.com
natgeo.nikkeibp.co.jp
jp.reuters.com
tonkotsuboy.github.io
zenn.dev/schroneko
internet.watch.impress.co.jp
togetter.com
internet.watch.impress.co.jp
shujisado.com
prtimes.jp
news.yahoo.co.jp
stand.fm
levtech.jp
suumo.jp
engineers.ntt.com
foneslife.com
