Deep Learning 深度網路整理 タイトル 分類問題 線性回歸 非線性回歸 SVM 類神經網路 非線性化方法 選擇性錯誤評估函式 全連結神經網路 卷積神經網路 遞歸神經網路 LSTM法 應用範圍 自然語言處理 情緒認知 文字(詞)向量 One-Hot Vector Word2Vec Seq2Seq 微軟日本(りんな)ChatBot研究 翻訳モデル 文の長さ AIM言語モデル GRU 類似度 分類問題 人在辨別事物時，早期就是將物品做分類與區別並進行學習。這也是屬於一開始認知的其中一環。 同時，分類與辨別在後期的類神經網路做篩選與評斷中扮演了重要的腳色。 在此就以幾種相關聯性比較強烈的演算法進行說明。 線性回歸 線性回歸的做法，簡而言之是使用一條線盡量將兩個不同群體進行分類。 非線性回歸 SVM 線性回歸 微軟日本(りんな)ChatBot研究 論文連結:りんな：女子高生人工知能/言語処理学会 第22回年次大会 発表論文集 (2016年3月) 翻訳モデル 文の長さ AIM言語モデル GRU 類似度