new pages

Section05-Neural-Networks-and-Language-Modeling/section05-test.tex

@@ -119,22 +119,6 @@
 \subsection{前馈、循环、自注意力神经网络}
 \subsection{前馈、循环、自注意力神经网络}
 
 
 %%%------------------------------------------------------------------------------------------------------------
 %%%------------------------------------------------------------------------------------------------------------
-%%% 在NLP中神经网络能干什么？
-\begin{frame}{自然语言处理遇到神经网络}
-\begin{itemize}
-\item 神经网络方法给自然语言处理(NLP)带来了新的思路
-\end{itemize}
-
-\begin{tabular} {l | l}
-\textbf{传统基于统计的方法} & \textbf{深度学习方法} \\ \hline
-基于离散空间的表示模型 & 基于连续空间的表示模型 \\
-NLP问题的隐藏结构假设 & 无隐藏结构假设，端到端学习 \\
-特征工程为主 & 无显性特征，但需要设计网络 \\
-特征、规则的存储耗资源 & 模型存储相对小，但计算慢
-\end{tabular}
-\end{frame}
-
-%%%------------------------------------------------------------------------------------------------------------
 %%% 利用前馈神经网络建模$n$-gram
 %%% 利用前馈神经网络建模$n$-gram
 \begin{frame}{$n$-gram建模 - 前馈神经网络}
 \begin{frame}{$n$-gram建模 - 前馈神经网络}
 \begin{itemize}
 \begin{itemize}

Section05-Neural-Networks-and-Language-Modeling/section05.tex

@@ -3753,6 +3753,46 @@ $+2x^2+x+1)$ & \ \ $(x^4+2x^3+2x^2+x+1)$ & $+6x+1$ \\
 \subsection{前馈、循环、自注意力神经网络}
 \subsection{前馈、循环、自注意力神经网络}
 
 
 %%%------------------------------------------------------------------------------------------------------------
 %%%------------------------------------------------------------------------------------------------------------
+%%% 在NLP中神经网络能干什么？
+\begin{frame}{自然语言处理遇到神经网络}
+\begin{itemize}
+\item 神经网络方法给自然语言处理(NLP)带来了新的思路
+\end{itemize}
+
+\begin{tabular} {l | l}
+\textbf{传统基于统计的方法} & \textbf{深度学习方法} \\ \hline
+基于\alert{离散}空间的表示模型 & 基于\alert{连续}空间的表示模型 \\
+NLP问题的\alert{隐含结构}假设 & 无隐含结构假设，\alert{端到端}学习 \\
+\alert{特征工程}为主 & 无显性特征，但需要\alert{设计网络} \\
+特征、规则的\alert{存储耗资源} & 模型存储相对小，但\alert{计算慢}
+\end{tabular}
+
+\vspace{0.5em}
+
+\begin{itemize}
+\item<2-> 语言模型任务也可以使用深度学习方法(而且效果非常好:))
+    \begin{itemize}
+    \item 语言模型要回答的问题是如何评价一个词串的好坏
+    \item 可以回忆一下第二章提到的$n$元语法模型
+    \end{itemize}
+    \vspace{0.5em}
+    \begin{displaymath}
+    \textbf{P}(w_0 w_1 ... w_m) = ?
+    \end{displaymath}
+
+\end{itemize}
+
+\visible<3->{
+\begin{tcolorbox}[enhanced,size=normal,left=2mm,right=1mm,colback=blue!5!white,colframe=blue!75!black,drop fuzzy shadow]
+{\Large
+\textbf{如何用神经网络描述词串的概率？}
+}
+\end{tcolorbox}
+}
+
+\end{frame}
+
+%%%------------------------------------------------------------------------------------------------------------
 \subsection{词嵌入}
 \subsection{词嵌入}
 
 
 %%%------------------------------------------------------------------------------------------------------------
 %%%------------------------------------------------------------------------------------------------------------