RNN模型与NLP应用(2/9)：文本处理与词嵌入

(16:12)

RNN模型与NLP应用(3/9)：Simple RNN模型

(20:50)

RNN模型与NLP应用(5/9)：多层RNN、双向RNN、预训练

(12:16)

RNN模型与NLP应用(1/9)：数据处理基础

(10:57)

RNN模型与NLP应用(7/9)：机器翻译与Seq2Seq模型

(19:37)

RNN模型与NLP应用(4/9)：LSTM模型

(13:2)

RNN模型与NLP应用(8/9)：Attention (注意力机制)

(16:51)

【值得反复听取】付鹏最经典内容：整体大逻辑变了！普通人一定纲要减少负债！注意控制现金流！过去抓住机会就能够赚到钱！但是现在需要转变思路找到新的逻辑和格局才行#中国经济 #投行 #摩根士丹利

(40:6)

从编解码和词嵌入开始，一步一步理解Transformer，注意力机制(Attention)的本质是卷积神经网络(CNN)

(1:45:12)

学习分享一年，对神经网络的理解全都在这40分钟里了

(43:18)

Recurrent Neural Networks | RNN LSTM Tutorial | Why use RNN | On Whiteboard | Compare ANN, CNN, RNN

(22:21)

北京大学计算语言所罗福莉：属性可控的文本改写和生成

(1:30:37)

从“卷积”、到“图像卷积操作”、再到“卷积神经网络”，“卷积”意义的3次改变

(26:58)

【数之道 09】揭开循环神经网络RNN模型的面纱

(9:)

LSTM Recurrent Neural Network (RNN) | Explained in Detail

(19:32)

【数之道 08】走进\

(8:23)

RNN模型与NLP应用(6/9)：Text Generation (自动文本生成)

(23:24)

神经网络结构搜索 (2/3): RNN + RL Neural Architecture Search: RNN + RL

(24:7)

Transformer模型(2/2): 从Attention层到Transformer网络

(14:33)

2-4｜循環神經網路 RNN

(9:44)

RNN模型与NLP应用(9/9)：Self-Attention (自注意力机制)

(7:17)

2 6 循环神经网络（RNN）

(10:12)

跟 NVIDIA 學深度學習！從基本神經網路到 CNN‧RNN‧LSTM‧seq2seq‧Transformer‧GPT‧BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎 #gpt

(6)

4 12 时间序列的深度学习模型（RNN和LSTM）

(14:51)

台大資訊 深度學習之應用 | ADL 3.4: RNN Applications RNN各式應用 (20/03/17)

(19:58)

11 Self-Attention 相比较 RNN 和 LSTM 的优缺点

(10:5)