深度神经网络在机器学习理解自然语言过程方面具有独特的特性。据观察，这些模型大多数将语言看作是单词或字符的扁平序列，并使用一种称为循环神经网络或RNN的模型。许多研究人员得出结论，语言是最好的理解关于短语的层次树。这种类型包含在考虑特定结构的递归神经网络中。本文主要介绍PyTorch 递归神经网络(Recursive Neural Networks)。
原文地址：PyTorch 递归神经网络(Recursive Neural Networks)
相关文章
- 11-29机器学习入门15 - 训练神经网络 (Training Neural Networks)
- 11-29卷积神经网络(Convolutional Neural Networks, CNN)的特点
- 11-29PyTorch 卷积神经网络(Convolutional Neural Network)
- 11-29图神经网络（Graph Neural Networks，GNN）综述与相关应用概述
- 11-29深度神经网络的多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks)
- 11-29论文翻译-A Comprehensive Survey on Graph Neural Networks《图神经网络GNN综述》
- 11-29cs231n__4.2 神经网络 Neural networks
- 11-29图神经网络(二十四) STRATEGIES FOR PRE-TRAINING GRAPH NEURAL NETWORKS, ICLR 2020
- 11-29A Comprehensive Survey on Graph Neural Networks--图神经网络综合研究
- 11-29MLCC笔记14 - 神经网络简介 (Introduction to Neural Networks)