小白带你熟悉简单循环神经网络

本文是关于简单循环神经网络(SRN)的介绍,也称为Elman Net,由杰夫·埃尔曼在1990年提出。文章讨论了Elman Network与Jordan Network的区别,并解释了其在网络结构上的优势。核心内容包括循环神经网络的基本结构,介绍了记忆单元如何保存状态并在后续时间步中使用。文章还提到了激活函数Tanh在Tensorflow中的应用,以及RNN网络的数学表达和隐藏层计算过程。
摘要由CSDN通过智能技术生成

小白带你熟悉简单循环神经网络

概论

简单循环神经网络 (SRN) 也叫做Elman Net 是由杰夫埃尔曼在1990提出的。埃尔曼在jordanNetwork进行的创新和简化了它的结构。

(左)JordanNetWork,(右)Elman network 图1

图1主要的区别是在记忆单元中的保存内容不同。

Jordan Network的记忆单元是整个网络的最终输出,而Elman Network的记忆单元是爆炸中间的循环层,所以如果是基于Elman network的深层循环神经网络,那么每个循环的中间层都会有一个相应的记忆单元。

2个都可以扩展到深度学习中,但由于elman network的每个循环层都是独立的。因此在网络结构设计上可以更加灵活。

JordanNetwork 在输出层和循环层的维度不一致是需要额外的调整,而Elman network 不存在这个问题。

循环神经网络的基本结构

循环神经网络的基本结构图如图2

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
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