1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文):http://www.ai-start.com/dl2017/
3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai
1.12 深层循环神经网络 Deep RNNs
目前你学到的不同RNN的版本,每一个都可以独当一面。但是要学习非常复杂的函数,通常我们会把RNN的多个层堆叠在一起构建更深的模型。这节课里我们会学到如何构建这些更深的RNN。
如上图,一个标准的NN,首先是输入 x x x,然后堆叠上隐含层,所以应该有激活值,比如说第一层是 a [ 1 ] a^{[1]} a[1]。接着堆叠上下一层,激活值 a [ 2 ] a^{[2]} a[2]。可以再加一层 a [ 3 ] a^{[3]} a[3],然后得到预测值 y ^ \hat y y^。
深层的RNN网络跟这个有点像,用手画的这个网络,然后把它按时间展开就是了,我们看看。
如上图,这是我们一直见到的标准的RNN,只是我把这里的符号稍微改了一下,不再用原来的 a [ 0 ] a^{[0]} a[0]表示0时刻的激活值了,而是加上一个 [ 1 ] [1] [1],用 a [ 1 ] < 0 > a^{[1]<0>} a[1]<0>来表示第一层。所以我们现在用 a [ l ] < t