【人工智能学习笔记】4_3 深度学习基础之循环神经网络

循环神经网络（Recurrent Neural Network, RNN）

是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network），循环神经网络具有短期记忆能力

RNN核心思想

RNN的结构

一个典型的RNN网络包含一个输入$x$，一个输出$h$和一个神经网络单元$A$，与普通网络不同的是，RNN网络的神经网络单元$A$不仅仅与输入和输出存在联系，其与自身也存在一个回路；这种网络结构就揭示了RNN的实质：上一个时刻的网络状态信息将会作用于下一个网络时刻的网络状态。

将RNN的自循环结构展开，像是将同一个网络复制并连成一条线的结构，将自身提取的信息传递给下一个继承者；这种链式的结构揭示了RNN与序列和列表类型的数据密切相关。

RNN拓展

下图是一个RNN神经网络结构的时序展开模型，中间t时刻的网络模型揭示了RNN的结构，原始的RNN网络的内部结构非常简单。神经元A在t时刻的状态仅仅是t-1时刻神经元状态与t时刻网络输入的双曲正切函数的值，这个值不仅仅作为该时刻网络的输出，也作为该时刻网络被传入到下一个时刻的网络状态中，这个过程叫做RNN的正向传播

RNN神经网络的时序展开模型

RNN的类别

• 一对一：最基本的单层网络，输入是$x$，经过变换$Wx+b$和激活函数$f$得到输出