7、循环神经网络（RNN）与强化学习技术详解

循环神经网络（RNN）与强化学习技术详解

1. 循环神经网络（RNN）基础

RNN的输出不仅依赖于当前输入 $X_t$，还依赖于过去的输入（如 $X_{t - 1}$），这赋予了网络一种记忆能力。RNN有多种类型，输入和输出维度可以不同，包括1对多（1-to-n，n > 1）、多对1（n-to-1，n > 1）和多对多（n-to-m，n, m > 1）。

简单RNN的实现

以预测某一天的降雨百分比为例，输入是四个二进制变量，表示当天的天气类型，目标值是一个表示当天降雨百分比的浮点数。

操作步骤如下：
1. 导入必要的库

import numpy as np

2. 创建虚拟数据集

X = []
X.append([1,0,0,0])
X.append([0,1,0,0])
X.append([0,0,1,0])
X.append([0,0,0,1])
X.append([0,0,0,1])
X.append([1,0,0,0])
X.append([0,1,0,0])
X.append([0,0,1,0])
X.append([0,0,0,1])
y = [0.20, 0.30, 0.40, 0.50, 0.05, 0.10, 0.20, 0.30, 0.40]