循
环
神
经网络
RNN
一
.
基
本
概
念
<
一
>
循
环
神
经网络
RNN
1.
为什么
引
入
RNN
?
虽然RNN跟之前学习的前馈神经网络很相似,但是它的引入在一定程度上更好处理具有前后关系的序列信息。比
如,当我们在理解一句话意思时,孤立的理解这句话的每个词是不够的,我们需要处理这些词连接起来的整个序
列; 当我们处理视频的时候,我们也不能只单独的去分析每一帧,而要分析这些帧连接起来的整个序列。所以为了
解决一些这样类似的问题,能够更好的处理序列的信息,RNN就诞生了。
2.RNN
的
基
本
结
构
上面这张图X代表输入层,A代表隐藏层,h代表输出层。
这
里
的
A
虽
然
展
开
了
,
但
是
还
是
属
于
同
一个
A
,
只
是
在
时
间
序
列
上
展
开
了
,
为了
更
好
的
展
示
内
部
工
作
流
程
而
画
的
。
这
里
想
了
很
久
才
想
明
白
。
这张图可以很清晰看到RNN在时间维度的展开,每个T对应着同样的结构,不要把时间维度搞混了。但这张图的维
度不太好理解,在下面LSTM的理解中可以进一步理解。
<
二
>
长
短
记
忆
期
单
元
LSTM
评论0
最新资源