mint1993的专栏

RNN与传统神经网络循环神经网络是专门处理序列数据的神经网络，传统的神经网络模型（左图），输入层（input layer）到隐藏层(hidden layer)，隐藏层再到输出层(output layer)，层与层之间是全连接的，但是隐藏层节点之间是无连接的。循环神经网络（右图），隐藏层节点之间是有连接的。RNN的基本结构其中,右图圆形的箭头表示隐藏层的自连接。在RNN中，每一层都共享参数U、V、W，降低了网络中需要学习的参数，提高学习效率。输入单元（input units）记为:隐藏单元

大Y老师：小X，你做的这个时间序列模型用什么指标评价啊？小X 直接把这篇甩给老师：老师您看哪个指标顺眼，就选哪个指标~最近在实现基于深度学习的时间序列模型时，需要对模型进行评价，总结了一些常用的和不常用的评价指标，还有相关概念的辨析。上面是玩笑话，在对模型进行评价时，要根据实际的数据特征和指标特性进行选择。和方差SSE（the sum of squares due to error），是观测值（observed values）与预测值（predicted values）的误差的平方和，公式为：