RNN网络架构

学习吴恩达老师的AI课程笔记,详细视频课程请移步https://mooc.study.163.com/smartSpec/detail/1001319001.htm

循环神经网络展开后类似于一个有N个中间层的前馈神经网络。
对于前馈网络的公式有:O=f( X * W+b ) ,W,b为参数,X是当前的输入,f(·)是激活函数,*是矩阵乘法,O是当前的输出。即输出 等于 输入经过线性与非线性映射后的结果
但是在RNN中由于要考虑上下文关系 所以在每一次的输入中都需要引入上次的结果。于是
加上反馈单元后,公式就变成了:Ot=f(X * W + Ot-1 * V+ b) Ot-1为上一次的输出
在这里插入图片描述

通过时间的反向传播:
时光倒流, 在前向传播过程中t在不断的增大 而在反向传播时则需要更新之前t时刻的权重。
在这里插入图片描述
前向传播后得到y(1),y(2)…y(ty), 如二分类问题 则单个神经元损失函数L(t)为如上所示,整个网络的神经元则为L(y*(t),y(t))
反向:L(t)→y(t)→a(t)→w(a)

不同类型的RNN:
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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