深度学习-循环神经网络(Recurrent Neural Network)RtNN介绍

循环神经网络(RNN)是一种适用于处理序列信息的模型,最初应用于自然语言处理(NLP)。它能记住之前的输入状态,从而考虑上下文信息。N-Gram模型由于存储需求大而被RNN替代。RNN的基本结构包括输入、隐藏和输出层,通过权重矩阵传递信息。双向RNN同时考虑正向和反向依赖,而深度RNN则通过堆叠多个隐藏层增强表达能力。

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

概念

RNN模型——处理序列信息
最先应用于NLP,用于为语言模型建模
语言模型: 对一种语言的特征进行建模
                   N-Gram:假设一个词出现的频率只与前面的N个词相关。
                   模型大小和N的关系是指数级的,N=4就会占用巨大的存储空间。
                   →RNN

基本循环神经网络

在这里插入图片描述输入层:x向量
隐藏层:s向量
输出层:o向量
U是输入层到隐藏层的权重矩阵
V是隐藏层到输出层的权重矩阵
W是隐藏层上一次的值作为这一次的输入的权重矩阵

展开看图:
这个网络在t时刻接收到输入Xt之后,隐藏层的值是St,输出值是Ot。
St的值不仅仅取决于Xt,还取决于St-1。
Ot = g(VSt)
St = f(UXt+WSt-1)
在这里插入图片描述

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
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