【文件属性】：
文件名称：RNN:递归神经网络模型用于纠错
文件大小：6.39MB
文件格式：ZIP
更新时间：2021-05-12 01:26:19
recurrent-neural-networks spell-checker attention-mechanism error-correction-codes Python
递归神经网络模型用于纠错
该存储库提供了在描述的各种模型的源代码。 该项目旨在实现和评估神经网络模型，特别是递归神经网络（RNN），双向递归神经网络（BRNN），序列到序列（seq-to-seq）模型以及最终基于注意力的机制。序列到序列模型。 下图说明了预测给定不正确短语的正确形式的编码器-解码器模型。
DyNet库
在当前项目的实施中，我们一直在使用DyNet。 动态神经网络工具包或DyNet是一个神经网络库，适用于具有动态结构的网络。 DyNet支持在神经网络计算中使用的静态和动态声明策略。 在动态声明中，每个网络都是通过使用有向和无环计算图构建的，该图由定义模型的表达式和参数组成。 DyNet在CPU或GPU上有效工作，最近为许多NLP研究论文和项目提供了支持。 您可以找到有关DyNet的更多信息。
资料集
我们的方法与语言无关。 专门针对我们的项目，我们使用对模型进行了训练和评估，
【文件预览】：
RNN-master
----preprocessing.py(3KB)
----html_output()
--------rnn_sortie.html(3KB)
----Utility.py(6KB)
----RnnMlp.py(11KB)
----RecurrentNN_word_level.py(10KB)
----system_output()
--------system_output_rnn.txt(452KB)
----tiny_vars.pickle(56.35MB)
----imgs()
--------BRNN.png(31KB)
--------encoder_decoder2.png(11KB)
--------RNN.png(16KB)
--------models.png(118KB)
--------attention_mechanism.png(18KB)
--------encoder_decoder.png(27KB)
----EncDecNN_attention.py(14KB)
----RecurrentNN.py(9KB)
----EncDecNN.py(9KB)
----BRecurrentNN.py(9KB)
----README.md(4KB)