[nlp] RNN理论

本文介绍了循环神经网络(RNN)的工作原理,包括其参数矩阵的作用,以及在处理序列数据时如何利用过去的信息。通过反向传播算法进行训练,并使用Softmax分类器和优化器如RMSProp或Adam进行参数更新。在测试阶段,RNN用于生成文本,通过不断采样预测序列。此外,提到了双向RNN和深度RNN的概念。
摘要由CSDN通过智能技术生成

参考链接:
https://medium.com/explore-artificial-intelligence/an-introduction-to-recurrent-neural-networks-72c9

在这里插入图片描述

此输出向量的内容不仅受到您刚刚输入的输入的影响,而且还受到您过去输入的输入的整个历史的影响。

该RNN的参数是三个矩阵:
W_hh:基于先前隐藏状态的矩阵
W_xh:基于当前输入的矩阵
W_hy:基于隐藏状态和输出之间的矩阵

隐藏状态self.h用零向量初始化。所述np.tanh(双曲正切)功能实现非线性该南瓜的激活到范围[-1,1]。
在这里插入图片描述
在这里插入图片描述
例如,我们看到,在RNN看到字符“ h”的第一步中,它给下一个字母“ h”分配了置信度1.0,对字母“ e”分配了2.2置信度,对字母“ e”分配了-3.0,对4.1分配了置信度。到“ o”。由于在我们的训练数据中(字符串“ hello”),下一个正确的字符是“ e”,因此我

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

心心喵

喵喵(*^▽^*)

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值