Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |
Tags
- CSS
- FFT
- ObjectOutputStream
- iframe 태그
- html 프로젝트
- 반응형 웹 프로젝트
- 퍼셉트론
- html 기초
- 반응형웹
- 파이썬
- inline
- 미디어쿼리
- 푸리에 변환
- 메서드
- FlowLayout
- 상속
- Codility
- 예제
- HTML
- Database
- java
- g검정
- Position
- 사전학습
- BorderLayout
- oracle
- css 기초
- GridLayout
- FileWriter
- rnn
Archives
- Today
- Total
도라에몽주머니
[G검정/5장] BiRNN, seq2seq 본문
双方向RNN (양방향 RNN ; BiRNN)
: 두개의 RNN을 사용하여 하나는 정방향, 하나는 역방향으로 입력을 받는 모델
- 과거와 미래에 대한 정보를 가지고 출력을 결정할 수 있음
- 긴 시퀀스에서 패턴을 추출하는데 효과적
- 높은 정확도

seq2seq (sequence-to-sequence)
: RNN 인코더-디코더 모델을 사용해 인코더를 통해 입력을 받고 디코더를 통해 출력을 내보내는 방식의 모델.
- 주로 자연어 처리(NLP) 분야에서 활용
- 인코더가 입력 시퀀스를 하나의 고정된 길이의 벡터로 압축하므로, 시퀀스의 길이가 길어질수록 정보 손실 발생
- 기울기 소실, 기울기 폭발 문제가 일어날 수 있음

'Certificate > G検定' 카테고리의 다른 글
| [G검정/5장] 강화학습 (모델 베이스, 모델 프리, Q학습) (0) | 2024.07.09 |
|---|---|
| [G검정/5장] Attention (0) | 2024.06.14 |
| [G검정/5장] LSTM, GRU (1) | 2024.06.12 |
| [G검정/5장] 순환 신경망 (RNN) (0) | 2024.06.12 |
| [G검정/5장] 합성곱 신경망(CNN) (0) | 2024.06.10 |