شبکه عصبی با ساختار درختی (Tree-Structured Neural Network)، در ریاضیات (Mathematics)
انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :
شبکه عصبی با ساختار درختی (Tree-Structured Neural Network) :
شبکه عصبی با ساختار درختی (Tree-structured Neural Network) برای داده هایی که ذاتا ساختار درختی دارند (مانند parse trees در زبانشناسی، یا ساختار مولکول ها) طراحی شده است. این شبکه ها با propagates اطلاعات از برگ ها به ریشه (bottom-up) با استفاده از ترکیب کننده های (composition functions) که در هر گره اعمال می شوند، کار می کنند.
یک نمونه معروف، Recursive Neural Tensor Network (RNTN) است که در تحلیل احساسات عبارات (sentiment analysis) استفاده شد. در این شبکه، برای هر گره با فرزندان چپ و راست، یک بردار بازنمایی با استفاده از یک تابع ترکیبی (مثلا یک تانسور) محاسبه می شود:
\[ p = f(W [c_1; c_2] + b) \]یا فرم های پیچیده تر. این عملیات به صورت بازگشتی تا ریشه ادامه می یابد.
برخلاف RNNها که توالی را به صورت خطی پردازش می کنند، شبکه های درختی می توانند وابستگی های غیرمحلی و سلسله مراتبی را که توسط ساختار درختی داده تعریف شده اند، مدل کنند. با این حال، نیاز به درخت از پیش تعریف شده (مثلا با parser) دارند که همیشه در دسترس نیست و ممکن است خطا داشته باشد.
کاربردها: پردازش زبان طبیعی (تحلیل معنایی، بازشناسی موجودات)، شیمی (پیش بینی خواص مولکول ها)، تحلیل کد.
