21 | | Невронските мрежи, како дел од надгледувано машинско учење, се користат за решавање на многу проблеми од секојдневниот живот, како на пр. во системи за предвидување на текст, менување на стил на слика, класифицирање на болести во медицината и сл. Корисни се заради тоа што добро се справуваат со секвенциони податоци, како што е музиката, а посебен вид на невронски мрежи, наречени рекурентни невронски мрежи овозможуваат справување со секој дел од секвенциониот податок. Постојат повеќе видови на рекурентни невронски мрежи меѓу кои: двонасочни р.н.м., длабоки двонасочни р.н.м., р.н.м. со долго-краткорочна меморија. Од нив ги избрав р.н.м. со долго-краткорочна меморија затоа што се способни да го научат контекстот и го решаваат проблемот со меморија на р.н.м. |
| 21 | Невронските мрежи, како дел од надгледувано машинско учење, се користат за решавање на многу проблеми од секојдневниот живот, како на пр. во системи за предвидување на текст, менување на стил на слика, класифицирање на болести во медицината и сл. Корисни се заради тоа што добро се справуваат со секвенциони податоци, како што е музиката, а посебен вид на невронски мрежи, наречени рекурентни невронски мрежи овозможуваат справување со секој дел од секвенциониот податок. Рекурентните н. мрежи се користат за решавање на било кој проблем поврзан со предвидување на временски низи, што е случај со музиката, претставена како ноти во времето. Постојат повеќе видови на рекурентни невронски мрежи меѓу кои: двонасочни р.н.м., длабоки двонасочни р.н.м., р.н.м. со долго-краткорочна меморија. Од нив ги избрав р.н.м. со долго-краткорочна меморија затоа што се способни да го научат контекстот и го решаваат проблемот со меморија на р.н.м. |