Deep Learning Note: 5-13 语音识别
1. 语音识别 在语音识别问题中，输入是一段语音的音频，输出是语音的文本。就像人类的耳朵不能直接处理声波，而是通过检测声音中不同频率的强度来拾取语音，语音识别的一个常见的预处理步骤是生成原始音频数据的频谱，如图 1 所示，将频谱数据交给算法进行处理。图 1 中下图所示的频谱中，横轴是时间，纵轴是频谱，颜色表示声音在该频率上的能量。 语音识别系统层一度使用音素（Phoneme）这一人工设计的…
Read more
Deep Learning Note: 5-12 Attention 模型
前面介绍的机器翻译算法都使用了编码器-译码器的结构，通过编码器得到输入文本的一个编码，再通过译码器生成对应的翻译文本。这种结构对于较短的句子可以取得很高的 Bleu 分数，而在比较长的句子（如长度有三四十个单词的句子）上的性能则会下降，如图 1 所示，因为网络很难记忆这种很长的句子。 Neural Machine Translation by Jointly Learning to Ali…
Read more
Deep Learning Note: 5-11 Bleu 分数
机器翻译与之前介绍的图像识别等任务的一个不同之处是，正确答案不是唯一的。例如对于如下的法语句子： Le chat est sur le tapis. 人类可以给出多种不同的参考英文翻译，这些翻译的质量都很好，如： 参考 1：The cat is on the mat. 参考 2：There is a cat on the mat. 答案不唯一为衡量算法的准确度带来了挑战。对于此种情况，通常使用…
Read more
Deep Learning Note: 5-10 Beam 搜索
1. Beam 搜索 前面提到，对于机器翻译问题，我们希望得到具有最高概率的句子，Beam 搜索就是用于获取这样的句子的算法。 仍以前面的从法语翻译为英语的任务为例，使用如下的法语句子作为输入： Jane visite l’Afrique en septembre. Beam 搜索的第一步是使用如图 1 所示的网络来计算 $P(y^{\lt 1 \gt}|x)$。在贪婪算法中，我们只是…
Read more
Deep Learning Note: 5-9 Sequence to Sequence 模型
1. 基本模型 Sequence to Sequence 是一种将一个序列映射到另一个序列的算法，常用于机器翻译和语音识别。 举例来说，假设想要将一句法语翻译成英语，如图 1 所示。 Sequence to Sequence 算法使用两个 RNN 来完成翻译任务。第一个 RNN 称为编码器（Encoder），其输入为源语言的文本，这里是法语的句子，其输出为一个向量，是对输入文本的一个编…
Read more
Deep Learning Note: 5-8 Word Embedding 的应用
1. 情感分类 情感分类（Sentiment Classification）指的是根据一段文本，预测作者是否喜爱文中所讨论的事物。对于情感分类任务，我们可能无法获得大量的训练数据，比如总共只有 1 万到 10 万个单词，但通过 Word Embedding，我们使用不多的数据就可以构建一个很好的情感分类器。 例如使用顾客对一家餐厅的评价来预测顾客对该餐厅的喜爱程度，输入的 $x$ 是顾客的…
Read more
Deep Learning Note: 5-7 学习 Word Embedding
1. 学习 Word Embedding 学习 Word Embedding 的一个方法是训练一个语言模型。例如训练一个网络来预测句子中的下一个单词，如图 1 所示。 图 1 中单词下的数字为单词在词汇表中的索引，假设词汇表中有 10000 个单词。对于第一个词 $I$，其独热编码为 $O_{4343}$，使用一个 Embedding 矩阵 $E$ 与其相乘，得到 $I$ 的一个新的编码 …
Read more
Deep Learning Note: 5-6 Word Embedding 介绍
1. 单词的表示方法 前面在介绍 RNN 时，使用词汇表对单词进行独热编码（One-Hot Encoding）来表示单词。例如使用一个有 10000 个词的词汇表 $V = [a, aaron, …, zulu, \lt UNK \gt]$ 对单词进行编码，则每个单词都会被编码为一个长度为 10000 的向量，其中位置与单词在词汇表中位置相同的项值为 1，其余位置的值为 0，图 1…
Read more
Deep Learning Note: 5-5 双向 RNN 和深度 RNN
1. 双向 RNN 之前所介绍的 RNN 存在的一个问题是，在 $t$ 时刻，网络只能根据 $t$ 时刻之前的内容进行预测，而无法看到 $t$ 时刻之后的内容。例如对于如下两句话： He said, “Teddy bears are on sale!” He said, “Teddy Roosevelt was a great President!̶…
Read more
Deep Learning Note: 5-4 GRU 和 LSTM
1. RNN 中的梯度消失问题 前面介绍的 RNN 和普通的深度网络一样，都会存在梯度消失（Gradient Vanishing）的问题，网络末端的错误将难以传递到前端，从而使得前端不能根据后端的错误进行修正。 例如对于如图 1 所示的网络，假设网络在 $t = T_y$ 时刻输出的 $y^{<T_y>}$ 与实际标签不符，网络的预测出现错误，由于梯度消失的问题，这个错误将很难…
Read more