分享
Chapter3
输入“/”快速插入内容
Chapter3
用户5190
2024年7月30日修改
1.循环神经网络
[
幻灯片
] [
笔记（第 5 和第 6 讲）
]
建议阅读：
1.
N-gram 语言模型
（教科书章节）
2.
循环神经网络的不合理有效性
（博客文章概述）
3.
序列建模：循环和递归神经网络
（第 10.1 和 10.2 节）
4.
论乔姆斯基与统计学习的两种文化
5.
序列建模：循环和递归神经网络
（第 10.3、10.5、10.7-10.12 节）
6.
使用梯度下降来学习长期依赖关系非常困难
（原始消失梯度论文之一）
7.
关于训练循环神经网络的难度
（梯度消失问题的证明）
8.
消失梯度 Jupyter Notebook
（前馈网络演示）
9.
理解 LSTM 网络
（博客文章概述）
2.序列到序列模型与机器翻译
[
幻灯片
] [
笔记（讲座 5 和 6）
]
建议阅读：
1.
统计机器翻译幻灯片，CS224n 2015
（讲座 2/3/4）
2.
统计机器翻译
（Philipp Koehn 著）
3.
BLEU
（原文）
4.
使用神经网络进行序列到序列学习
（原始 seq2seq NMT 论文）
5.
使用循环神经网络进行序列传导
（早期的 seq2seq 语音识别论文）
6.
通过联合学习对齐和翻译进行神经机器翻译
（原始 seq2seq+attention 论文）
7.
注意力机制和增强循环神经网络
（博客文章概述）
8.
神经机器翻译架构的大规模探索
（超参数选择的实用建议）
9.
利用混合词字模型实现开放词汇神经机器翻译
10.
重新审视基于字符的神经机器翻译的容量和压缩
作业 3
[
代码
]
[
讲义
]
[
latex 模板
]
[
overleaf 链接
]
用户5190用户5190