<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>记忆可视化 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E8%AE%B0%E5%BF%86%E5%8F%AF%E8%A7%86%E5%8C%96/</link>
    <description>Recent content in 记忆可视化 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Sun, 21 Sep 2025 01:18:52 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E8%AE%B0%E5%BF%86%E5%8F%AF%E8%A7%86%E5%8C%96/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>可视化RNN记忆机制的技术解析</title>
      <link>https://blog.qife122.com/p/%E5%8F%AF%E8%A7%86%E5%8C%96rnn%E8%AE%B0%E5%BF%86%E6%9C%BA%E5%88%B6%E7%9A%84%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Sun, 21 Sep 2025 01:18:52 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%8F%AF%E8%A7%86%E5%8C%96rnn%E8%AE%B0%E5%BF%86%E6%9C%BA%E5%88%B6%E7%9A%84%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;可视化循环神经网络中的记忆机制&#34;&gt;可视化循环神经网络中的记忆机制&lt;/h1&gt;&#xA;&lt;h2 id=&#34;摘要&#34;&gt;摘要&lt;/h2&gt;&#xA;&lt;p&gt;循环神经网络（RNN）的记忆能力在许多应用中仍面临挑战。本文提出通过梯度幅度可视化方法，分析不同循环单元（包括LSTM、GRU和嵌套LSTM）在自补全任务中的记忆模式。该方法可直观展示网络如何利用短期和长期上下文信息进行预测。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
