RNN(the student opened their______)
其结构与函数表达式:
优势有:可以有任意长度的输入;t步的计算理论上可以共享到后面的每一步;模型是固定的,不会随着输入的增加而增加;每一步使用的是相同的W。
缺点:由于需要反复计算,计算慢;在实际中早的信息很难被后面的步骤所获取(梯度爆炸、梯度消失)
训练步骤:
1.获取一个文本资料库(数据集)
2.通过每一个单词的输入预测出到该单词为止将出现的下一个单词y
3.计算出预测的下一个单词和实际出现的下一个单词的误差(Loss:J),对所有的J求取平均值得到平均误差,更新权值。
梯度消失和梯度爆炸问题:
在更新权值的时候采用的是梯度下降算法,通过误差对节点的倒数来对权值进行更新,采取的方法通常为链式求导法则。