本文介绍了RNN的原理，强调了它在处理时间序列数据的优势，并详细阐述了RNN的训练过程，包括随时间反向传播（BPTT）算法。此外，还讨论了RNN的应用，如自然语言处理、语音识别等。最后，提供了MATLAB 2022a的仿真结果及源码。
目录
1.算法概述
CNN(卷积神经网络)我们会发现, 他们的输出都是只考虑前一个输入的影响而不考虑其它时刻输入的影响, 比如简单的猫,狗,手写数字等单个物体的识别具有较好的效果. 但是, 对于一些与时间先后有关的, 比如视频的下一时刻的预测,文档前后文内容的预测等, 这些算法的表现就不尽如人意了.因此, RNN就应运而生了
RNN是一种特殊的神经网络结构, 它是根据"人的认知是基于过往的经验和记忆"这一观点提出的. 它与DNN,CNN不同的是: 它不仅考虑前一时刻的输入,而且赋予了网络对前面的内容的一种'记忆'功能
RNN之所以称为循环神经网路，即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出
循环神经网络英文名称为 (Recurrent Neural Network, RNN)，其通过使用带自反馈的神经元，能够处理任意长度的时序数据。
给定输入时序序列:
订阅专栏 解锁全文
扫一扫
374
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
