播放清單
1/1 影片
深度學習4：卷積神經網路、接受域、墊零與步長、池化、全連接層、卷積層 蘇豐文 教授
深度學習4：卷積神經網路（Convolutional Neural Network, CNN）、接受域（Receptive field）、墊零與步長（Zero padding & Stride）、池化（Pooling）、全連接層（Fully Connected Layer）、卷積層（Convolution Layer）
單位與講者
- ．主辦單位：財團法人理律文教基金會、國立清華大學
- ．主講人：蘇豐文 教授
講座介紹
本期介紹深度學習領域中重要的二門分支：卷積神經網路（Convolutional Neural Network, CNN）、循環神經網路（或稱遞歸神經網路Recurrent Neural Network, RNN）及其相關概念。卷積神經網路屬於前饋神經網路（ Feedforward Neural Networks），以單向進行資料傳輸，而透過卷積運算疊代提取特徵，可用以處理格狀結構化數據，常用於影像處理、視訊分析等應用；循環神經網路的傳輸方式則不同，其暫存了前一層的資料納入判斷，適合應用於具有序列概念的資料處理，比如文本、語音、影音等。
課程中另溫習詞向量概念、補充講解自然語言處理技術的二種常見詞表示法：連續詞袋模型（Continuous Bag-of-Words Model, CBOW）及跳躍式模型（Skip-Gram Model, SG），說明如何輔助字詞上下文的預測理解。