הצגת המקור של הדף "רשת עצבית רקורסיבית"

{{להשלים|כל הערך=כן|נושא=מדע וטכנולוגיה}}
{{מקורות|רמה=שיפור|נושא=מדע וטכנולוגיה}}
'''רשת עצבית רקורסיבית''' (ב[[אנגלית]]: '''Recursive neural network''') היא סוג של [[רשת עצבית עמוקה]] שנוצרה על ידי החלת אותה קבוצת משקלים [[רקורסיה|רקורסיבית]] על קלט מובנה, כדי לייצר חיזוי מובנה על פני מבני קלט בגודל משתנה, או חיזוי סקלרי עליו, על ידי חציית מבנה נתון ב[[מיון טופולוגי|סדר טופולוגי]]. רשתות עצביות רקורסיביות, שלעיתים קרויות בקיצור RvNNs, הצליחו, למשל, בלימוד רצף ומבני עצים ב[[עיבוד שפה טבעית]], בעיקר ייצוגים רציפים של ביטויים ומשפטים המבוססים על הטבעת מילים. RvNNs הוצגו לראשונה כדי ללמוד ייצוגים מבוזרים של מבנה, כגון מונחים לוגיים.

== ארכיטקטורת רשת עצבית רקורסיבית ==
בארכיטקטורה הפשוטה ביותר, צמתים שהם בנים של צמתי הורים מחוברים אליהם באמצעות מטריצת משקל המשותפת על פני כל הרשת, ופונקציית אקטיבציה אי-ליניאריות כגון [[טנגנס היפרבולי]] (tanh).

אם c1 ו-c2 הם ייצוג וקטור n-ממדי של צמתים, האב שלהם יהיה גם וקטור n-ממדי, המחושב כ <math>p_{1,2}=\tanh \left(W[c_{1};c_{2}]\right)</math> כאשר W זה מטריצת משקל של <math>M_{2,2}</math>. ארכיטקטורה זו, עם כמה שיפורים, שימשה לניתוח מוצלח של סצנות טבעיות, ניתוח תחבירי של משפטי שפה טבעית<ref>{{צ-מאמר|מחבר=Socher Richard|שם=The 28th International Conference on Machine Learning (ICML 2011)|קישור=http://nlp.stanford.edu/pubs/SocherLinNgManning_ICML2011.pdf}}</ref>, וקידוד אוטומטי רקורסיבי ומידול גנרטיבי של מבני צורות תלת-ממדיות כגון מודל מפושט של קוביות תלת-ממדיות<ref>{{צ-מאמר|מחבר=Li Jun|שם=GRASS: Generative Recursive Autoencoders for Shape Structures|כתב עת=ACM Transactions on Graphics|קישור=https://www2.cs.sfu.ca/~haoz/pubs/li_sig17_grass.pdf}}</ref>.

== הערות שוליים ==
{{הערות שוליים|יישור=שמאל}}
{{בינה מלאכותית}}

{{קצרמר|מדעי המחשב}}
[[קטגוריה:למידת מכונה]]