130章 步步紧逼追赶者()
哈雷·普斯知埃克尔·基尔卡加LSTM神经网络。
LSTM神经网络更确切称呼应该叫做“长短期记忆神经网络”。
特殊循环神经网络。
相比普通循环神经网路，长短期记忆神经网络应间隙长度敏感。
长短期记忆神经网络优势，使其够处理更长序列错表。
哈雷·普雷斯仔细回LIN HUI技术路线描述算法特征及南风APP款软件实际表。
LIN HUI式摘算法提技术路线明确表示将文本信息通向量实序列化标记再进步处理。
长短期记忆神经网络恰处理长序列文本。
LIN HUI鼓捣算法处理文本摘具极高准确性。
长短期记忆神经网络处理实际问题候特点具颇高准确性。
LIN HUI依托式摘算法鼓捣南风APP次处理条新闻摘。
长短期记忆神经网络缺点结构较复杂，并处理存劣势。
果LIN HUI算法方长短期记忆神经网络特性比较吻合。
哈雷·普斯或许巧合。
，三概率件凑块。
哈雷·普斯觉并简单巧合。
越感觉埃克尔·基尔卡加推断正确，由感慨：
“什LIN HUI算法应神经网络循环神经网络影传统循环神经网络呢，原居长短期记忆神经网络。
埃克尔·基尔卡加真！居方向。
实话，始虽觉LIN HUI算法应神经网络特性点怪异。
真往长短期记忆神经网络方向……”
埃克尔·基尔卡加理解哈雷·普斯什间长短期记忆神经网络。
近几长短期记忆神经网络主语音识别方原因。
阶段般研究者真将长短期记忆神经网络文本摘方。
理论讲将长短期记忆神经网络神经网路文本识别方完全。
具体何将长短期记忆神经网络应文本识别，暂埃克尔·基尔卡加太清楚。
需段间研究探索。
哈雷·普斯长短期记忆神经网络神经网路应该另方原因。
因长短期记忆神经网络并什新鲜玩。
HochreiterSchmidhuber1997提长短期记忆神经网络。
距今已经将近二十，很久远。
虽长短期记忆神经网络处理长序列文本候定优势。
实际初提长短期记忆神经网络并文本处理。
提长短期记忆神经网络神经网路处理训练传统循环神经网路遇梯度消失梯度爆炸问题。
机器习，基梯度习方法反向传播训练工神经网络。
遇梯度消失梯度爆炸问题。
两况研究员希望况。
梯度消失或梯度爆炸，原本深度习根本深，浅度习。
别极端况，别浅度习，连码机器习做。
言，梯度消失梯度爆炸问题极降低利神经网络深度习训练效率。
梯度消失梯度爆炸问题极其难缠问题。
神经网络关研究员1991注梯度消失梯度爆炸象。
该问题长短期记忆神经网络定缓解。
彻底解决梯度消失梯度爆炸问题。
除利长短期记忆神经网络外，其几处理梯度消失梯度爆炸问题方式（比级层次结构、利更快硬件、利其激活函数等等。）各各局限性。
【认识十老书友给推荐追书app，野果阅读！真特，车、睡靠朗读听书打间，载 www.yeguoyuedu.com 】
梯度消失梯度爆炸问题被彻底解决。
今梯度消失梯度爆炸问题已机器习空朵乌云。
问题已严重制约机器习向展。
念及此，埃克尔·基尔卡加免感慨。
知问题什候被什彻底解决？？？
埃克尔·基尔卡加突感觉LIN HUI算法较真什必啊？
诸梯度消失梯度爆炸象问题二十彻底解决。
什急吗？至少啥急？
什跟LIN HUI算法较劲呢？
埃克尔·基尔卡加突疲乏感。
兴冲冲，埃克尔·基尔卡加至打退堂鼓。
埃克尔·基尔卡加：“够肯定LIN HUI算法长短期记忆神经网络。
LIN HUI算法采神经网络特征点类似长短期记忆神经网络。
至底待验证。
高层跟麻省理工院语言处理文本摘研究组边闹欢散真损失。
据解尹芙·卡莉研究抽取式文本摘算法候循环神经网络。
具体哪循环神经网络暂清楚。
管怎，觉麻省理工院边帮助话将助力。”
哈雷·普斯：“倒问题，问题。
m缺研究机构。
段间听尼克伙普林斯顿朱尔斯教授正搞循环神经网络项目。
或许跟普林斯顿展合？”
埃克尔·基尔卡加：“呃，确定跟普林斯顿傲慢数老打交？
跟文科？
果合话，究竟谁主导？研究果怎划分？”
哈雷·普斯：“怎谓。
群搞数搞循环神经网络，谁更占优势定呢？
至谁主导候再吧，切达者尊。”
埃克尔·基尔卡加：“联系吧，反正懒跟朱尔斯老秃驴洽谈。”
哈雷·普斯：“呃，其实跟朱尔斯联系……”
埃克尔·基尔卡加：“提馊主？”
哈雷·普斯坏坏：“或许叫阿西·维拉斯克斯，谁叫卖专利给LIN HUI……”
埃克尔·基尔卡加：“主！”