1.1 为什么选择序列模型？（Why Sequence Models?）

语音识别：给定一个输入音频片段 $X$，要求输出对应的文字记录 $Y$。输入和输出数据都是序列模型，因为 $X$是一个按时播放的音频片段，输出 $Y$是一系列单词

音乐生成问题：只有输出数据 $Y$是序列，而输入数据可以是空集，也可以是个单一的整数，这个数可能指代想要生成的音乐风格，或者想要生成的那首曲子的头几个音符

处理情感分类：输入数据 $X$是序列，会得到类似这样的输入：“There is nothing to like in this movie.”，你认为这句评论对应几星？

DNA序列分析：DNA用A、C、G、T四个字母来表示。给定一段DNA序列，能够标记出哪部分是匹配某种蛋白质？

机器翻译：输入句：“Voulez-vou chante avecmoi?”（法语：要和我一起唱么？），要求输出另一种语言的翻译结果

视频行为识别：得到一系列视频帧，要求识别其中的行为

命名实体识别：给定一个句子，要求识别出句中的人名

这些问题都可以被称作使用标签数据 $(X,Y)$作为训练集的监督学习。但序列问题有很多不同类型。有些问题里，输入数据 $X$和输出数据$Y$都是序列，但就算在那种情况下，$X$和$Y$有时也会不一样长。或者像上图编号1和编号2所示的$X$和$Y$有相同的数据长度。在另一些问题里，只有 $X$或者只有$Y$是序列