RNN和LSTM

循环神经网络RNN

 

w是权值,b是域值或偏置

RNN传输过程

 

h是隐藏层,W是h1对h0的权值,U是h1对x1的权值

h1除了接受当前网络的的输入值之外还会接受上一时刻的隐层神经元的取值h0

h1会进行一个加权求和传给输出神经元,还会传给下一个h2隐层神经元

h2的结构和h1是一样的,h2接受h1的状态和x2的值

h2会受x1的影响,网络具备记忆功能

 

 参数共享

隐状态(Hidden State) h

记忆储存:h可以对序列的数据提取特征&#

评论 1
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