เครือข่ายประสาทกำเริบสามารถนำมาใช้สำหรับการจำแนกลำดับได้อย่างไร

RNN สามารถใช้สำหรับการทำนายหรือลำดับการแมปลำดับ แต่จะใช้ RNN ในการจำแนกได้อย่างไร? ฉันหมายถึงเราให้ลำดับทั้งหมดหนึ่งป้ายกำกับ

หนึ่งสามารถใช้ RNN เพื่อจับคู่หลายอินพุตกับอินพุตเดียว (เลเบล) ตามที่แสดงในภาพ ( แหล่งที่มา ):

แต่ละสี่เหลี่ยมเป็นเวกเตอร์และลูกศรแสดงถึงฟังก์ชัน (เช่นเมทริกซ์ทวีคูณ) อินพุตเวกเตอร์เป็นสีแดงเวกเตอร์เอาท์พุทเป็นสีน้ำเงินและสีเขียวเวกเตอร์ถือสถานะของ RNN (เพิ่มเติมเกี่ยวกับเรื่องนี้ในไม่ช้า) จากซ้ายไปขวา: (1) โหมดการประมวลผลวานิลลาที่ไม่มี RNN จากอินพุตขนาดคงที่ไปจนถึงขนาดคงที่ (เช่นการจัดประเภทภาพ) (2) เอาท์พุทลำดับ (เช่นคำบรรยายภาพใช้ภาพและเอาท์พุทประโยคคำ) (3) การป้อนข้อมูลลำดับ (เช่นการวิเคราะห์ความเชื่อมั่นที่ประโยคที่กำหนดจัดเป็นแสดงความเชื่อมั่นในเชิงบวกหรือเชิงลบ) (4) ลำดับอินพุตและลำดับเอาต์พุต (เช่นการแปลด้วยเครื่อง: RNN อ่านประโยคเป็นภาษาอังกฤษแล้วส่งประโยคเป็นภาษาฝรั่งเศส) (5) ซิงค์ลำดับและอินพุตเอาต์พุต (เช่นการจัดประเภทวิดีโอที่เราต้องการติดป้ายกำกับแต่ละเฟรมของวิดีโอ)

ในกรณีที่ง่าย RNN ฟีดลำดับทั้งหมดไปยังเครือข่ายของคุณและจากนั้นฉลากระดับผลผลิตที่องค์ประกอบลำดับสุดท้าย (ดูเอกสารนี้และอ้างอิงมีตัวอย่างแรกของวิธีการนี้) ในขั้นตอนการฝึกอบรมเราสามารถ backpropogate ข้อผิดพลาดในเวลาจากองค์ประกอบลำดับที่ผ่านมาถึงจุดเริ่มต้นของลำดับ โดยทั่วไปแล้วสิ่งนี้ไม่แตกต่างจากปัญหาการติดฉลากลำดับ RNN ซึ่งเราจำเป็นต้องกำหนดเลเบลให้กับองค์ประกอบบางส่วนของลำดับเท่านั้น (หรือองค์ประกอบอื่น ๆ ทั้งหมดจะถูกระบุว่าเป็น OTHER)