【循环神经网络基础概述3000字】_第1页
【循环神经网络基础概述3000字】_第2页
【循环神经网络基础概述3000字】_第3页
【循环神经网络基础概述3000字】_第4页
【循环神经网络基础概述3000字】_第5页
已阅读5页，还剩3页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

循环神经网络基础概述 11.1循环神经网络概述 11.2循环神经网络的优缺点 21.3RNN神经网络的局限性 21.4循环神经网络模型 21.1循环神经网络概述早在1980年代，包含RNN的霍普菲尔德网络就被SarathaSathasivam提出，RNN网络是前馈神经网络的衍生物，它的结构并不是单一的循环结构，它仅仅在输入和输出在连续时间节点上的循环(Timestep),它同时输入了并不是最初的相互有链接的关系。RNN的提出始于上一世纪八十年代，而在跨过千禧年后则达到了更进一步的拓宽发展，其中Bi-RNN以及LSTM被人们广为推崇。除此之外他还需要记忆这一与人类较为相似的特征。RNN拥有记忆力这一特征RNN主要在数据的处理和预测上发挥作用。如果将以往的前馈神经网络看1.2循环神经网络的优缺点(1)优势：模型具有记忆性。(2)劣势：由于梯度会出现爆炸或者缺失，故而无法留存前后过久的东西。不同方向的传递时是必不可少的。这就意味着在RNN网络中，在面对需用用较为靠前的信息进行推测的时候，也会出现同样的情况。那么,因此我们该如何着手解决这一难题呢?我们可以考虑将控制信息的累积快慢加入门控机制，比如根众所周知的是，梯度过大引起的衰减和爆炸在RNN计算时是无法避免的，于这个原因，RNN在实际中比较难以捕捉到数据之间长距离的依赖关系。本文就代表彻底被遗忘；当值=1,就代表当前信息将保存。彻底被遗忘；当值=1,就代表当前信息将保存。其作用较为广泛，因为模型能决公式(2-1)左边的R代表重置门，公式(2-2)Z代表更新门，右边相当于δ函数，如图2-3,它的值域在(0,1)区间，所以重置门和更新门的值域也在(0,1)区间。由于神经网络对0~1的数据模型收敛比较好，所以把所有数据归一化到(0,1)区间内。(3)候选隐藏状态Ht:从图2-4可看出，我们需要借助重置门和上刻隐藏算出候选隐藏状态，假设重置门R值=0,那么通过按元素乘法，上一时刻的隐藏状态h-1将会被删去，假设重置门R值=1,即可留下来。按元素乘法从而得到结果，并和正在输入x进行有机合成从而转出至tanh函数中，候选隐藏状态H的公式详见公式(2-3)。得出tanh函数的适用范围，如图2-5所示，在(-1,1)区间，所以候选隐藏状态H的值域也在(-1,1)区间。全连接层和徽活函数按元素运算符复制连结图2-4候选隐藏状态Ht图2-5

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论