simple-nn:用于标记的简单神经网络（实验性）

简单的神经网络 马库斯·德雷尔，2015 年 2 月 用于标记（即序列标记）的前馈神经网络。 此代码演示了实现神经网络不需要太多代码。 实现比 CRF 或相关模型更简单，因为不需要手动特征工程。 实施遵循项目描述。 受到文章和其他文章的启发，我在这里使用了自动微分，而不是手动实现梯度。 这允许使用不同模型进行快速原型设计和快速实验。 自动微分不同于数值微分，并且比数值微分快得多。 请参阅了解更多信息。 代码依赖于两个外部库： 为矩阵的数据结构和矩阵乘法。 自动区分。 Adept 1.0（大概是更早的版本）在tanh差异化方面有一个错误。 要修复它， adept.h从以下更改adept.h第 1486 行： ADEPT_DEFINE_UNARY_FUNCTION3(Tanh, tanh, Real e=exp(2.0*a_.value()), 4.0*e/((2.0+2)*