neural language model tutorial
TRANSCRIPT
Neural Probabilistic Language Model
神經機率語言模型與word2vec
By Mark Chang
神經機率語言模型與 word2vec
語意向量 類神經網路 word2vec
n-gram的缺陷
容易受到維度爆炸的影響 只能得出表面文字的關聯無法得出較深層的語意 事實上語意可從其附近的字詞來得知
罷免蔡正元 失敗
罷免 祭止兀 失敗
蔡正元 是最佳助選員
祭止兀 是最佳助選員
祭止兀和蔡正元語意相近
語意向量
把字詞對應到一個 n維度的向量
祭止兀 (1 1 xn)
蔡正元 (1 1 xn)
罷免 蔡正元 失敗
罷免 祭止兀 失敗
蔡正元 是最佳 助選員
祭止兀 是最佳 助選員
(x1=罷免 x
2 =助選員 x
n)
石內卜 (0 0 xn)
語意向量
祭止兀 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
語意向量
語意上越相近的詞在向量空間中的夾角越小
祭止兀 (x1 x
2 x
n)
罷免 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
自己人 (x1 x
2 x
n)
帥哥 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
割闌尾 (x1 x
2 x
n)
語意向量
Cosine Similarityndash 向量A 和向量B 的 Cosine Similarity 為
(AB) ( |A| |B| )
祭止兀 (b1 b
2 b
n)
蔡正元 (a1 a
2 a
n)
a1b
1 + a
2b
2 ++ a
nb
n
蔡正元與祭止兀的 Cosine Similarity為
a1
2+a2
2++an
2 b1
2+b2
2++bn
2
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
神經機率語言模型與 word2vec
語意向量 類神經網路 word2vec
n-gram的缺陷
容易受到維度爆炸的影響 只能得出表面文字的關聯無法得出較深層的語意 事實上語意可從其附近的字詞來得知
罷免蔡正元 失敗
罷免 祭止兀 失敗
蔡正元 是最佳助選員
祭止兀 是最佳助選員
祭止兀和蔡正元語意相近
語意向量
把字詞對應到一個 n維度的向量
祭止兀 (1 1 xn)
蔡正元 (1 1 xn)
罷免 蔡正元 失敗
罷免 祭止兀 失敗
蔡正元 是最佳 助選員
祭止兀 是最佳 助選員
(x1=罷免 x
2 =助選員 x
n)
石內卜 (0 0 xn)
語意向量
祭止兀 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
語意向量
語意上越相近的詞在向量空間中的夾角越小
祭止兀 (x1 x
2 x
n)
罷免 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
自己人 (x1 x
2 x
n)
帥哥 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
割闌尾 (x1 x
2 x
n)
語意向量
Cosine Similarityndash 向量A 和向量B 的 Cosine Similarity 為
(AB) ( |A| |B| )
祭止兀 (b1 b
2 b
n)
蔡正元 (a1 a
2 a
n)
a1b
1 + a
2b
2 ++ a
nb
n
蔡正元與祭止兀的 Cosine Similarity為
a1
2+a2
2++an
2 b1
2+b2
2++bn
2
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
n-gram的缺陷
容易受到維度爆炸的影響 只能得出表面文字的關聯無法得出較深層的語意 事實上語意可從其附近的字詞來得知
罷免蔡正元 失敗
罷免 祭止兀 失敗
蔡正元 是最佳助選員
祭止兀 是最佳助選員
祭止兀和蔡正元語意相近
語意向量
把字詞對應到一個 n維度的向量
祭止兀 (1 1 xn)
蔡正元 (1 1 xn)
罷免 蔡正元 失敗
罷免 祭止兀 失敗
蔡正元 是最佳 助選員
祭止兀 是最佳 助選員
(x1=罷免 x
2 =助選員 x
n)
石內卜 (0 0 xn)
語意向量
祭止兀 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
語意向量
語意上越相近的詞在向量空間中的夾角越小
祭止兀 (x1 x
2 x
n)
罷免 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
自己人 (x1 x
2 x
n)
帥哥 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
割闌尾 (x1 x
2 x
n)
語意向量
Cosine Similarityndash 向量A 和向量B 的 Cosine Similarity 為
(AB) ( |A| |B| )
祭止兀 (b1 b
2 b
n)
蔡正元 (a1 a
2 a
n)
a1b
1 + a
2b
2 ++ a
nb
n
蔡正元與祭止兀的 Cosine Similarity為
a1
2+a2
2++an
2 b1
2+b2
2++bn
2
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
語意向量
把字詞對應到一個 n維度的向量
祭止兀 (1 1 xn)
蔡正元 (1 1 xn)
罷免 蔡正元 失敗
罷免 祭止兀 失敗
蔡正元 是最佳 助選員
祭止兀 是最佳 助選員
(x1=罷免 x
2 =助選員 x
n)
石內卜 (0 0 xn)
語意向量
祭止兀 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
語意向量
語意上越相近的詞在向量空間中的夾角越小
祭止兀 (x1 x
2 x
n)
罷免 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
自己人 (x1 x
2 x
n)
帥哥 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
割闌尾 (x1 x
2 x
n)
語意向量
Cosine Similarityndash 向量A 和向量B 的 Cosine Similarity 為
(AB) ( |A| |B| )
祭止兀 (b1 b
2 b
n)
蔡正元 (a1 a
2 a
n)
a1b
1 + a
2b
2 ++ a
nb
n
蔡正元與祭止兀的 Cosine Similarity為
a1
2+a2
2++an
2 b1
2+b2
2++bn
2
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
語意向量
祭止兀 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
語意向量
語意上越相近的詞在向量空間中的夾角越小
祭止兀 (x1 x
2 x
n)
罷免 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
自己人 (x1 x
2 x
n)
帥哥 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
割闌尾 (x1 x
2 x
n)
語意向量
Cosine Similarityndash 向量A 和向量B 的 Cosine Similarity 為
(AB) ( |A| |B| )
祭止兀 (b1 b
2 b
n)
蔡正元 (a1 a
2 a
n)
a1b
1 + a
2b
2 ++ a
nb
n
蔡正元與祭止兀的 Cosine Similarity為
a1
2+a2
2++an
2 b1
2+b2
2++bn
2
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
語意向量
語意上越相近的詞在向量空間中的夾角越小
祭止兀 (x1 x
2 x
n)
罷免 (x1 x
2 x
n)
蔡正元 (x1 x
2 x
n)
自己人 (x1 x
2 x
n)
帥哥 (x1 x
2 x
n)
石內卜 (x1 x
2 x
n)
割闌尾 (x1 x
2 x
n)
語意向量
Cosine Similarityndash 向量A 和向量B 的 Cosine Similarity 為
(AB) ( |A| |B| )
祭止兀 (b1 b
2 b
n)
蔡正元 (a1 a
2 a
n)
a1b
1 + a
2b
2 ++ a
nb
n
蔡正元與祭止兀的 Cosine Similarity為
a1
2+a2
2++an
2 b1
2+b2
2++bn
2
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
語意向量
Cosine Similarityndash 向量A 和向量B 的 Cosine Similarity 為
(AB) ( |A| |B| )
祭止兀 (b1 b
2 b
n)
蔡正元 (a1 a
2 a
n)
a1b
1 + a
2b
2 ++ a
nb
n
蔡正元與祭止兀的 Cosine Similarity為
a1
2+a2
2++an
2 b1
2+b2
2++bn
2
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
類神經網路
一種複雜的機器學習模型其原理是模仿神經元的構造
神經元可從輸入訊息中做運算組合輸出結果
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
神經元與動作電位
httphumanphisiologywikispacescomfileviewneuronpng216460814neuronpng
httpuploadwikimediaorgwikipediacommonsthumb44aAction_potentialsvg1037px-Action_potentialsvgpng
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
w1
x1
x2
y=w1x
1+w
2x
2+w
3x
3+b
x3
w2
w3
1
b
z= 1 ( 1+e-y )
Sigmoid function
模仿神經元
httpuploadwikimediaorgwikipediacommonsthumb888Logistic-curvesvg1280px-Logistic-curvesvgpng
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
類神經網路
httpcpmarkchanglogdowncomposts277349-neural-network-backward-propagation
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
訓練類神經網路
類神經網路
類神經網路
測試資料 輸出值
訓練資料訓練
輸出值
修正
訓練完成
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
訓練前
太陽花
香蕉
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
訓練中
香蕉
太陽花
調整參數
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
訓練後
香蕉
太陽花
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
word2vec
一種神經機率語言模型 用類神經網路訓練得出每個字詞的語意向量
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
內湖石內卜祭止兀罷免失敗
車輪黨闌尾祭止兀罷免失敗
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
內湖
石內卜
失敗
罷免
闌尾
失敗
祭止兀 祭止兀
罷免
車輪黨
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
實作 3 word2vec
先對語料庫進行斷詞載入繁體字典並加入自定詞彙
找出與自定詞彙最相近的詞
任意挑選兩個詞計算其相似程度
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-
延伸閱讀
類神經網路訓練過程公式推導ndash httpcpmarkchanglogdowncomposts277349-neu
ral-network-backward-propagation 神經語言模型
ndash httpcpmarkchanglogdowncomposts255785-neural-network-neural-probabilistic-language-model
ndash httpcpmarkchanglogdowncomposts276263--hierarchical-probabilistic-neural-networks-neural-network-language-model
講者聯絡方式
Mark Chang
Github httpgithubcomckmarkoh
Blog httpcpmarkchanglogdowncom
email ckmarkoh at gmailcom
- 投影片 1
- 投影片 2
- 投影片 3
- 投影片 4
- 投影片 5
- 投影片 6
- 投影片 7
- 投影片 8
- 投影片 9
- 投影片 10
- 投影片 11
- 投影片 12
- 投影片 13
- 投影片 14
- 投影片 15
- 投影片 16
- 投影片 17
- 投影片 18
- 投影片 19
- 投影片 20
- 投影片 21
-