الهدف: نمذجة متتالية مرتّبة وفهم الذاكرة العودية (Recurrent memory).
تقرأ الشبكة العودية متتالية عنصراً بعد عنصر. الحالة المخفية (Hidden state) لديها تُلخِّص الماضي:
h_t = φ(W_x x_t + W_h h_{t-1} + b)تُعاد استخدام الأوزان نفسها في كل خطوة. تقبل هذه العودية أطوالاً متغيّرة، لكنها تجعل الحساب الزمني تسلسلياً وتُعرِّض للتدرجات المتلاشية.
يُضيف LSTM حالة ذاكرة وبوابات دخل ونسيان ومخرج. أما GRU فتدمج بعض البوابات وتحتوي على عدد معاملات أقل. تتعلّم هذه البوابات ما ينبغي حفظه أو تعديله أو نسيانه من المعلومات.
from torch import nn
rnn = nn.GRU(input_size=64, hidden_size=128, num_layers=2,
batch_first=True, dropout=0.2, bidirectional=True)معاينة — بقية الدرس متاحة للمسجّلين فقط.
وصولك مرتبط بحسابك وليس بهذا الرابط. سجّل الدخول بنفس البريد الذي استخدمته في الصف: دورتك بانتظارك، ولا حاجة لإدخال الرمز مجددًا.
تسجيل الدخولليس لديك حساب بعد؟ أنشئ حسابًاالوحدات الأولى من الدورة مفتوحة للجميع. أما البقية فأمامك ثلاثة خيارات: شراء هذه الدورة مرة واحدة، أو الاشتراك، أو إدخال الرمز الموزّع في القاعة.