Redes neurais recorrentes bidirecionais

Na primeira parte deste artigo, uma rede neural recorrente (RNN) regular é estendida para uma rede neural recorrente bidirecional (BRNN). A BRNN pode ser treinada sem a limitação de utilizar informações de entrada apenas até um quadro futuro predefinido. Isso é conseguido treinando-a simultaneamente nas direções do tempo positiva e negativa. A estrutura e o procedimento de treinamento da rede proposta são explicados. Em experimentos de regressão e classificação com dados artificiais, a estrutura proposta apresenta resultados melhores do que outras abordagens. Para dados reais, experimentos de classificação de fonemas do banco de dados TIMIT mostram a mesma tendência. Na segunda parte deste artigo, é demonstrado como a estrutura bidirecional proposta pode ser facilmente modificada para permitir uma estimativa eficiente da probabilidade posterior condicional de sequências completas de símbolos sem fazer qualquer suposição explícita sobre a forma da distribuição. Para esta parte, são relatados experimentos com dados reais.