Modul ini memperluas jaringan saraf ke data yang urutannya bermakna, seperti teks dan deret waktu. RNN memperkenalkan hidden state yang dibawa antar langkah waktu, LSTM dan GRU memperbaiki memorinya dengan gerbang, dan embedding mengubah token diskret menjadi vektor. Modul ditutup dengan pembingkaian dua masalah utamanya, yaitu klasifikasi sekuens dan generasi sekuens.
Model Sekuens
Modul sekuens: penanganan data berurutan, RNN, LSTM dan GRU, embedding kata, dan pembingkaian masalahnya.
0/0 selesai
- Data sekuens
Teks, deret waktu, dan penanganan panjang yang bervariasi.
- RNN
Rekurensi dan mekanika hidden state yang dibawa antar langkah waktu.
- LSTM dan GRU
Gerbang pada LSTM dan GRU sebagai perbaikan memori jarak jauh.
- Embedding
Kata sebagai vektor dan penggunaan nn.Embedding.
- Masalah sekuens
Pembingkaian klasifikasi sekuens dan generasi sekuens.