📚

Dizi Modellerinin Genel Kavramları

👩‍🏫 Notasyon
Metin işleme bağlamında (örneğin: Doğal Dil İşleme NLP)
Sembo
Açıklama
​X<t>X^{<t>}X<t>
​
Giriş dizisindeki t'inci kelime
​Y<t>Y^{<t>}Y<t>
​
Çıkış dizisindeki t'inci kelime
​X(i)<t>X^{(i)<t>}X(i)<t>
​
i'inci giriş dizisindeki t'inci kelime
​Y(i)<t>Y^{(i)<t>}Y(i)<t>
​
i'inci çıkış dizisindeki t'inci kelime
​Tx(i)T^{(i)}_xTx(i)​
​
i'inci giriş dizisinin uzunluğu
​Ty(i)T^{(i)}_yTy(i)​
​
i'inci çıkış dizisinin uzunluğu
🚀 One Hot Encoding
Kelimeleri temsil etmenin bir yolu, böylece onları kolayca kullanabiliriz
🔎 Örnek
Diyelim ki 10 kelimeden oluşan (🤭) bir sözlüğümüz var ve sözlükteki kelimeler:
Car, Pen, Girl, Berry, Apple, Likes, The, And, Boy, Book.
Ve Bizim X(i)X^{(i)}X(i)
: The Girl Likes Apple And Berry
Böylece bu diziyi aşağıdaki gibi temsil edebiliriz 👀
Car   -0)  ⌈ 0 ⌉   ⌈ 0 ⌉   ⌈ 0 ⌉   ⌈ 0 ⌉  ⌈ 0 ⌉   ⌈ 0 ⌉ 
Pen   -1)  | 0 |  | 0 |  | 0 |  | 0 |  | 0 |  | 0 |
Girl  -2)  | 0 |  | 1 |  | 0 |  | 0 |  | 0 |  | 0 |
Berry -3)  | 0 |  | 0 |  | 0 |  | 0 |  | 0 |  | 1 |
Apple -4)  | 0 |  | 0 |  | 0 |  | 1 |  | 0 |  | 0 |
Likes -5)  | 0 |  | 0 |  | 1 |  | 0 |  | 0 |  | 0 |
The   -6)  | 1 |  | 0 |  | 0 |  | 0 |  | 0 |  | 0 |
And   -7)  | 0 |  | 0 |  | 0 |  | 0 |  | 1 |  | 0 |
Boy   -8)  | 0 |  | 0 |  | 0 |  | 0 |  | 0 |  | 0 |
Book  -9)  ⌊ 0 ⌋   ⌊ 0 ⌋   ⌊ 0 ⌋   ⌊ 0 ⌋  ⌊ 0 ⌋   ⌊ 0 ⌋
Dizileri bu şekilde temsil ederek verileri sinir ağlarına aktarabiliriz ✨
🙄 Dezavantaj
Eğer sözlüğümüz 10.000 kelimeden oluşuyorsa, her vektör 10.000 boyutlu olacaktır 🤕 
Bu gösterim anlamsal özellikleri yakalayamaz 💔
🌞 Yazının Aslı
​Burada 🐾​

Giriş

Tekrarlayan Sinir Ağları (RNN)

Last modified 2yr ago

Sembo	Açıklama
$X^{<t>}$	Giriş dizisindeki `t`'inci kelime
$Y^{<t>}$	Çıkış dizisindeki `t`'inci kelime
$X^{(i)<t>}$	`i`'inci giriş dizisindeki `t`'inci kelime
$Y^{(i)<t>}$	`i`'inci çıkış dizisindeki `t`'inci kelime
$T^{(i)}_x$	`i`'inci giriş dizisinin uzunluğu
$T^{(i)}_y$	`i`'inci çıkış dizisinin uzunluğu