---

←上一篇↓↑下一篇→

4.12 總結（第四課）	回到目錄	1.2 數學符號

---

為什么選擇序列模型 (Why Sequence Models?)

在本課程中你將學會序列模型，它是深度學習中最令人激動的內容之一。循環神經網絡（RNN）之類的模型在語音識別、自然語言處理和其他領域中引起變革。在本節課中，你將學會如何自行創建這些模型。我們先看一些例子，這些例子都有效使用了序列模型。

在進行語音識別時，給定了一個輸入音頻片段 $X$ ，并要求輸出對應的文字記錄 $Y$ 。這個例子里輸入和輸出數據都是序列模型，因為 $X$ 是一個按時播放的音頻片段，輸出 $Y$ 是一系列單詞。所以之后將要學到的一些序列模型，如循環神經網絡等等在語音識別方面是非常有用的。

音樂生成問題是使用序列數據的另一個例子，在這個例子中，只有輸出數據 $Y$ 是序列，而輸入數據可以是空集，也可以是個單一的整數，這個數可能指代你想要生成的音樂風格，也可能是你想要生成的那首曲子的頭幾個音符。輸入的 $X$ 可以是空的，或者就是個數字，然后輸出序列 $Y$ 。

在處理情感分類時，輸入數據 $X$ 是序列，你會得到類似這樣的輸入：“There is nothing to like in this movie.”，你認為這句評論對應幾星？

系列模型在DNA序列分析中也十分有用，你的DNA可以用A、C、G、T四個字母來表示。所以給定一段DNA序列，你能夠標記出哪部分是匹配某種蛋白質的嗎？

在機器翻譯過程中，你會得到這樣的輸入句：“Voulez-vou chante avecmoi?”（法語：要和我一起唱么？），然后要求你輸出另一種語言的翻譯結果。

在進行視頻行為識別時，你可能會得到一系列視頻幀，然后要求你識別其中的行為。

在進行命名實體識別時，可能會給定一個句子要你識別出句中的人名。

所以這些問題都可以被稱作使用標簽數據 $(X,Y)$ 作為訓練集的監督學習。但從這一系列例子中你可以看出序列問題有很多不同類型。有些問題里，輸入數據 $X$ 和輸出數據 $Y$ 都是序列，但就算在那種情況下， $X$ 和 $Y$ 有時也會不一樣長?；蛘呦裆蠄D編號1所示和上圖編號2的 $X$ 和 $Y$ 有相同的數據長度。在另一些問題里，只有 $X$ 或者只有 $Y$ 是序列。

所以在本節我們學到適用于不同情況的序列模型。

下節中我們會定義一些定義序列問題要用到的符號。

課程板書

---

←上一篇↓↑下一篇→

4.12 總結（第四課）	回到目錄	1.2 數學符號

---

總結

以上是生活随笔為你收集整理的1.1 为什么选择序列模型-深度学习第五课《序列模型》-Stanford吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。