上图中当我们输入Taipei,一个表达的是目的地,另一个表达的是出发地,我们该如何让神经网络在输入相同时,按照情景不同输出不同,这就需要让神经网络具有记忆功能,能够根据Taipei之前面的单词决定相应输出。
RNN是具有记忆功能的网络。隐藏层的输出值被储存在了memory中,memory可以继续作为另一个输入值。
例如下图。设所有的权重都为1,没有偏置值。设在开始时memory为0,所以绿色部分的值计算过程为1*1+1*1+0+0=2。此时将2更新到memory中。橘色部分计算为2*1+2*1=4。输入值[1,1]T输出值为[4,4]T
输出值[1,1]T
绿色 1*1+1*1+2*1+2*1=6 将6储存到memory中
橘色 6*1+6*1=12
输出值[12,12]T