タグ付けされた質問 「bert」

GELU（x）= xP（X≤x）=xΦ（x）として方程式を述べる GELU（Gaussian Linear Linear Unit）を使用するBERTペーパーを調べました。0.5x （1 + tanh [\ sqrt {2 /π}（x + 0.044715x ^ 3）]）に 相当します。方程式を単純化し、どのように承認されたかを説明してください。GELU(x)=xP(X≤x)=xΦ(x).GELU(x)=xP(X≤x)=xΦ(x). GELU(x) = xP(X ≤ x) = xΦ(x).0.5x(1+tanh[2/π−−−√(x+0.044715x3)])0.5x(1+tanh[2/π(x+0.044715x3)])0.5x(1 + tanh[\sqrt{ 2/π}(x + 0.044715x^3)])

17 activation-function  bert  mathematics 

BERTは双方向（双方向トランスフォーマーを使用）なので、次の単語予測タスクに使用できますか？はいの場合、何を調整する必要がありますか？

11 neural-network  deep-learning  attention-mechanism  transformer  bert