2019斯坦福CS224n深度学习自然语言处理笔记（3）—

文章目录

1. 什么是分类？
- 1.1 logist（二分类）
- 1.2 softmax（多分类）
- - 1.2.1 softmax函数
  - 1.2.2 独热编码
  - 1.2.3 交叉熵
  - 1.2.4 反向传播
2.神经网络模型
- 2.1 神经网络模型与逻辑斯蒂回归有什么不同？
3. 命名实体识别（NER）
- 3.1 梯度下降（手动）

课程视频链接：《深度学习与自然语言处理（3）》
前两章算是引言，主要介绍了什么是自然语言处理，以及自然语言处理中最基础的工作——如果和表示词的意思的相关工作。接下来，主要介绍一下分类模型和神经网络，并以命名实体识别举例说明神经网络的运行过程。最后简要介绍一下矩阵运算。

2019斯坦福CS224n深度学习自然语言处理笔记（3）——分类模型与神经网络相关推荐

2019斯坦福CS224n深度学习自然语言处理笔记（3）反向传播与计算图
向AI转型的程序员都关注了这个号
2019斯坦福CS224n深度学习自然语言处理笔记（1）Word2Vec与Glove
向AI转型的程序员都关注了这个号
最新(2019)斯坦福CS224n深度学习自然语言处理课程(视频+笔记+2017年合集)
向AI转型的程序员都关注了这个号
【CS224n】2斯坦福大学深度学习自然语言处理课程笔记——词向量、词义和神经分类器
Natural Language Processing with Deep Learning 课程笔记2 1. 词向量和word2vec 2. 优化基础知识 3. 我们能否通过计数更有效地抓住词义的本 ...
吴恩达《神经网络与深度学习》精炼笔记（5）-- 深层神经网络
上节课我们主要介绍了浅层神经网络.首先介绍神经网络的基本结构,包括输入层,隐藏层和输出层.然后以简单的2 layer NN为例,详细推导了其正向传播过程和反向传播过程,使用梯度下降的方法优化神经网络参 ...
（d2l-ai/d2l-zh）《动手学深度学习》pytorch 笔记（4）线性神经网络（暂停）
开源项目地址:d2l-ai/d2l-zh 教材官网:https://zh.d2l.ai/ 书介绍:https://zh-v2.d2l.ai/ 笔记基于2021年7月26日发布的版本,书及代码下载地址在 ...
吴恩达老师深度学习视频课笔记：多隐含层神经网络公式推导(二分类)
多隐含层神经网络的推导步骤非常类似于单隐含层神经网络的步骤,只不过是多重复几遍. 关于单隐含层神经网络公式的推导可以参考: http://blog.csdn.net/fengbingc ...
吴恩达老师深度学习视频课笔记：单隐含层神经网络公式推导及C++实现(二分类)
关于逻辑回归的公式推导和实现可以参考: http://blog.csdn.net/fengbingchun/article/details/79346691 下面是在逻辑回归的基础上,对单隐含层的神经 ...
Coursera吴恩达《神经网络与深度学习》课程笔记（5）-- 深层神经网络
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了浅层神经网络.首先介绍神经网络的基本结构,包括输入层,隐藏层和输出层.然后以简单的2 layer NN为例,详细推导了其正向传 ...

2019斯坦福CS224n深度学习自然语言处理笔记（3）——分类模型与神经网络

文章目录

2019斯坦福CS224n深度学习自然语言处理笔记（3）——分类模型与神经网络相关推荐

最新文章

热门文章