| description |
|---|
⛓ Dizi Modellerinin Temelleri |
- Diziler, her örneğin bir veri serisi olarak görülebildiği veri yapılarıdır, örneğin 🧐:
| Görev | Giriş X | Çıkış Y | Tür |
|---|---|---|---|
| 💬 Konuşma tanıma | Dalga dizisi | Metin dizisi | Sequence-to-Sequence |
| 🎶 Müzik Üretme | Hiç / Tam sayı | Dalga dizisi | One-to_Sequence |
| 💌 Duygu Sınıflandırması | Metin dizisi | Tamsayı Değerlendirmesi (1➡5) | Sequence-to-One |
| 🔠 Makine Çevirisi | Metin dizisi | Metin dizisi | Sequence-to-Sequence |
| 📹 Video Etkinlik Tanıma | Video Çerçeveleri | Etiket | Sequence-to-One |
- Etiketlenmiş giriş verileri X ve Çıkış Y olduğundan bütün bu görevler gözetimli öğrneme olarak tanımlanabilir👩🏫
- Sequence-to-Sequence görevlerindeki giriş ve çıkış dizilerinin boyutları farklı olabilir ❗
- Makine öğrenmesi algoritmaları genellikle metin girişinin sabit uzunlukta bir vektör olarak temsil edilmesini gerektirir 🙄
- Bu nedenle, dizileri modellemek için aşağıdakileri yapabilen özel bir öğrenme yaklaşımına ihtiyacımız var:
- ✔ Değişen uzunluklara sahip dizilere uygun
- ✔ Dizi sırasını koruyabilen
- ✔ Girdi verilerini çok kısa kesmek yerine uzun vadeli bağımlılıkları takip eden
- ✔ Parametreleri dizi boyunca paylaşabilen (Dizi boyunca eskiyi silip tekrar öğrenmeyen)