RNN
RNN是一类具有短期记忆能力的神经网络。在该神经网络中,神经元不仅可以接受其他神经元的信息,也可以接受自身的信息,形成具有环路的网络结构。
网络结构
RNN正向传播
RNN目的是用来处理序列数据。RNN当前的输出于之前的输出也有关,隐藏层之间的节点相互之间时存在连接的。模型结构如下:
权重矩阵 W就是隐藏层上一次的值作为这一次的输入的权重。
RNN网络的神经元:
RNN方向传播
由这张图可得:
需要更新的参数为W、U、V
RNN引入了隐状态h的概念,隐状态h可以对序列形的数据提取特征,再转换为输出
h2的计算与h1类似,注意两点:
- 计算时每一步使用的参数U、W、b是一样的,每个步骤的参数是共享的。
- RNN的权值是再一个向量中,只是时刻不同。
依次计算:
得到输出值:
依次输出:
输入与输出序列是等长的
总结于这两篇文章,感谢作者分享:
RNN(循环神经网络)详解_淋雨的小蚂蚁的博客-CSDN博客_rnn神经网络模型
(1条消息) 如何从RNN起步,一步一步通俗理解LSTM_v_JULY_v的博客-CSDN博客_lstm比rnn多了哪个模块