循环神经网络（RNN）

最新推荐文章于 2024-09-11 20:23:05 发布

Babyface Killer

最新推荐文章于 2024-09-11 20:23:05 发布

阅读量1.4k

点赞数

分类专栏：学习心得文章标签：神经网络 rnn 深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/chaunceyliu30/article/details/120362587

版权

本文介绍了循环神经网络（RNN）的概念，探讨了RNN的梯度消失问题及解决方案——层归一化，并详细讲解了LSTM的结构和工作原理，包括长期和短期状态以及门控制器的作用。LSTM因其在处理长序列信息上的优势，成为RNN的一个重要变体。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

循环神经网络（Recurrent Neural Network）

循环神经网络有别于普通的全连接神经网络，其特殊的神经元输入设置使得循环神经网络对于自带序列性质的数据有着更好的效果。在最简单的RNN神经元中，每个神经元会同时接受时刻 $t$ 的输入和上一时刻 $t-1$ 的输出从而达到捕捉序列中信息的效果。用数学公式可表达为： $s^{t}=\sigma (w_{x}x^{t}+w_{s}s^{t-1})$

对于上图的循环神经网络，梯度反向传播的过程可表达为：

$\frac{\partial E^{t}}{\partial w_{y}}=\frac{\partial E^{t}}{\partial y^{t}}\cdot\frac{\partial y^{t}}{\partial W_{y}}$

$\frac{\partial E^{t}}{\partial y^{t}}=2(d^{t}-y^{t})$

$\frac{\partial y^{t}}{\partial w_{y}}=s^{t}$

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。