PyTorch: redes neuronales recursivas
Las redes neuronales profundas tienen una característica exclusiva para permitir avances en el aprendizaje automático que comprenden el proceso del lenguaje natural. Se observa que la mayoría de estos modelos tratan el lenguaje como una secuencia plana de palabras o caracteres y utilizan una especie de modelo que se denomina red neuronal recurrente o RNN.
Muchos investigadores llegan a la conclusión de que el lenguaje se comprende mejor con respecto al árbol jerárquico de frases. Este tipo se incluye en redes neuronales recursivas que tienen en cuenta una estructura específica.
PyTorch tiene una característica específica que ayuda a hacer que estos complejos modelos de procesamiento del lenguaje natural sean mucho más fáciles. Es un marco con todas las funciones para todo tipo de aprendizaje profundo con un fuerte soporte para la visión por computadora.
Características de la red neuronal recursiva
Se crea una red neuronal recursiva de tal manera que incluye aplicar el mismo conjunto de pesos con diferentes estructuras de tipo gráfico.
Los nodos se atraviesan en orden topológico.
Este tipo de red se entrena mediante el modo inverso de diferenciación automática.
El procesamiento del lenguaje natural incluye un caso especial de redes neuronales recursivas.
Esta red tensorial neuronal recursiva incluye varios nodos funcionales de composición en el árbol.
El ejemplo de red neuronal recursiva se muestra a continuación:
