Réseaux neuronaux récurrents: LSTM et GRU

Cette séance de cours couvre la poursuite des réseaux neuronaux récurrents avec plusieurs couches et bidirectionnalité, en mettant l'accent sur les variantes LSTM et GRU. Il traite des défis de l'apprentissage des dépendances à long terme, de l'utilisation des portes dans les GRU et des avantages des LSTM et des GRU par rapport aux RNN traditionnelles. L'instructeur explique les concepts à travers des exemples pratiques et aborde des questions telles que les gradients de disparition et les architectures optimales pour différentes tâches.