【深度学习 五】循环神经网络 (Recurrent Neural Network Model)

RNN

由于CNN无法很好的学习到有序数据(比如时间)之间的联系,所以提出RNN主要用于对序列数据的学习。

原理如下:

主要是横向传递了一个参数a(1)(就是前一次网络通过激活函数之后输出的a(1)),和一个超参数w_{aa},所以a和\hat{y}的公式为:

 

 

 RNN前向传播示意图:

 一个很酷的名字:时间反向传播 (Backpropagation through time)

反向传播是怎样在循环神经网络中运行的

 反向传播地计算方向(上图红色箭头所指方向)与前向传播基本上是相反的

 

 到这里就可以通过红色箭头的方向,一步步求导最终求得最初的dw、db,用梯度下降法来更新参数w、b,使loss朝着更低的方向去。

RNN反向传播示意图:

 

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