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 ,要求输出对应的文字记录 。输入和输出数据都是序列模型,因为 是一个按时播放的音频片段,输出 是一系列单词
音乐生成问题:只有输出数据 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 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 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 和输出数据都是序列,但就算在那种情况下,和有时也会不一样长。或者像上图编号1和编号2所示的和有相同的数据长度。在另一些问题里,只有 或者只有是序列
Last updated