主要的應用：機器翻譯，自然語言處理，文本處理，語音識別, 圖像描述生成 (Generating Image Descriptions), 圖像問答QA....

• 循環神經網絡（RNN）原理通俗解釋

1. RNN怎麽來的？
2. RNN的網絡結構及原理

3. RNN的改進1：雙向RNN
4. RNN的改進2：深層雙向RNN
4.1 Pyramidal RNN
5. RNN的訓練-BPTT
6. RNN與CNN的結合應用：看圖說話
7. RNN項目練手

• 循環神經網絡(RNN, Recurrent Neural Networks)介紹

本系列將實現一個基於循環神經網絡的語言模型(recurrent neural network based language model)。該實現包含兩個方面：一是能夠得到任意語句在現實中成立的得分，其提供了判斷語法與語義的正確性的度量方式。該模型是機器翻譯中的典型應用。二是模型能夠產生新的文本，這是一個非常棒的應用。比如，對莎士比亞的文章進行訓練，能夠產生一個新的類似莎士比亞的文本，目前，這個有趣的想法已經被Andrew Karpathy基於RNNs的字符級別的語言模型實現了。

• word2vec原理(一) CBOW與Skip-Gram模型基礎

1. Word2Vec Tutorial—The Skip-Gram Model
2. Word Embedding Explained and Visualized
3. Vector Representation of Words

• 理解 LSTM 網絡

  

hello-循環神經網絡（RNN）原理