递归神经网络，RNN，是一类神经网络，包括一层内的加权连接，与传统前馈网络相比，连接仅馈送到后续层，因为RNN包含循环，所以它们可以在处理新输入的同时存储信息，这种记忆使它们非常适合处理必须考虑事先输入的任务，比如时序数据，由于这个原因，目前的深度学习网络均以RNN为基础，本教程将探索RNN背后的思...

  1.神经网络基础神经网络可以当做是能够拟合任意函数的黑盒子，只要训练数据足够，给定特定的x，就能得到希望的y，结构图如下，将神经网络模型训练好之后，在输入层给定一个x，通过网络之后就能够在输出层得到特定的y，那么既然有了这么强大的模型，为什么还需要RNN，循环神经网络，呢，2.为什么需要RNN，循环...

  使用的技术跟我们上次分享的摔倒识别不同，摔倒识别使用的是基于骨骼点的时空卷积神经网络，适用于人体骨骼行为，而这次分享的打架识别使用的是循环神经网络RNN，可以实现更通用的视频分类任务，...。...

  引言现在，关于机器学习、深度学习和人工神经网络的讨论越来越多了，但程序员往往只想把这些魔幻的框架用起来，大多并不想知道背后到底是如何运作的，但是如果我们能够掌握这些背后的原理，对于使用起来岂不更好，今天我们就来讨论下循环神经网络及其背后的基本数学原理，这些原理使得循环神经网络能够做到其他神经网络做不...

  Seq2Seq，Sequence，to，Sequence，模型是一种用于处理序列数据的神经网络架构，广泛应用于自然语言处理，NLP，任务，如机器翻译、文本生成、对话系统等，它通过编码器，解码器架构将输入序列，如一个句子，映射到输出序列，另一个句子或序列，Seq2Seq模型由两个主要部分组成，编码器是...

  Transformer如今已经成为大型语言模型，LLM，和其他序列处理应用程序的主要架构，然而，它们固有的二次方计算复杂性成为了将Transformer扩展至超长序列时的巨大障碍，显著增加了成本，这引发了人们对具有线性复杂性和恒定内存需求的架构的兴趣，Mila公司和BorealisAI的研究人员重新...