利用RNN及实现字母预测

本文介绍了如何利用RNN进行字母预测,详细讲解了RNN的原理,包括循环核的记忆机制,以及在TensorFlow中如何描述循环计算层。通过一个具体的字母预测案例,展示从数据编码到模型构建的全过程,最终实现高准确率的字母预测。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

RNN概述

由于有些数据是与时间序列相关,是可以根据上文预测出下文的。

循环核具有记忆力,通过不同时刻的参数共享,实现了对时间序列的信息提取,

循环核的表示如上图所示, 我们可以设定记忆体的个数改变记忆容量,当记忆体的个数被指定输入Xt,输出Yt维度被指定,周围这些待训练参数的维度也就被限定了。记忆体内存储着每个时刻的状态信息ht,记忆体当前时刻存储的状态信息ht等于当前时刻的输入特征xt乘以矩阵Wxh,加上记忆体上一时刻存储的状态信息ht-1乘以矩阵Whh再加上偏置项bh,它们的和在经过tanh函数。当前时刻核的输出特征yt.记忆体内存储的状态信息ht乘以矩阵Why,再加上偏置by过softmax。其实这就是一层全连接。

  • 在前向传播时,记忆体内存储的转态信息ht,在每个时刻都被刷新,三个参数矩阵wxh,whh,why自始至终都是固定不变的。
  • 反向传播时:三个时拿出矩阵wxh,whh,why被梯度下降法更新

        按照时间步展开就是把循环核按照时间轴方向展开,可以表示为如下所

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

打赏作者

AI炮灰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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