Deep Learning入門：Recurrent Neural Networksとは？

[@kamikaze114]

大学の講義の1000倍分かりやすい。 本当にありがたいです。

[@ThisIsUNTI]

検索したらたまたま発見しました！プレイリストみていきたいと思います！

[@hirok6649]

大変わかりやすい解説有難うございます。株価の予測をする場合は、はMany to Oneになるのでしょうか。

[@SS-bz9jy]

LSTMの動画、よろしくお願いします！

[@taquestionxi]

わかりやすい…

[@doriand2094]

分かりやすい動画ありがとうございます。一つ質問ですが、4ページ目のSONYのRNNはニューラルネットワークが途中で得たパラメータを枝分かれの様に元のネットワークとその隣のネットワーク両方に提供している様に見えます。となるとBack Propagation もBack Propagation through time以外にも自身のネットワークを遡ってしているとの理解で正しいですか。

[@kotai2003]

BGMのvolumeを下げて頂けますか？少し集中し難くなります。

[@德永浩己]

ありがとうございます。

[@typhoon6987]

mn air

[@taka_49]

BGMがうるさいのがとても勿体無いです

[@koro123]

まさかわたしが30年前にRNNを再び目にするとは思わなかった。

[@AkihikoKoga]

動画の中で「RNN がチューリング完全」と言われていますが， これは，実数値が無限精度ということを仮定していませんでしょうか？ 実際は，たぶん，64bit=8バイトで使っているのでしょうし，次に回される 計算結果のベクトルは固定長ですから，有限オートマトンですよね． 結果のベクトルは長いとは思いますが，結構，スカスカで使っていそうですから そうとうはやく有限オートマトンらしさが出てくるのではないでしょうか． RNN は，昔の入力が薄まって行って忘れるのが欠点と言われていますから， 実際にこの性質は顕著なんだと思います．Attention を使おうが何をしようが， 計算結果のベクトルを固定長で使っているからには，この制限がついて回ると思うのです （次元数をとんでもなく大きくしないかぎり）． 最後に，非常に分かりやすい解説をありがとうございます．重要なことを先に書きましたので， 批判めいたコメントになっていますが，実際は，感謝している方が大きいです．

[@おいしいおにぎり-p8v]

麻原っぽい声