目录
CNN
CNN是卷积神经网络



![]()







提取图片特征
![]()

![]()








![]()

![]()









![]()



![]()



![]()



![]()
![]()



![]()


![]()
![]()



、
在输出阶段可以使用sigmoid函数返回01值![]()


![]()
![]()

![]()

![]()

![]()




![]()





![]()

![]()





![]()

RNN


![]()









![]()



3种RNN模型
简单RNN









![]()
![]()
H就是每层神经元所产生的一个输出信号,输出层产生的信号经过输出函数转化为最终输出


随着循环次数的增加



就是说简单的RNN模型容易导致梯度消失以及梯度爆炸的问题
整体框架类似于数电里的状态机、时序逻辑电路
LSTM (长短期记忆模型)

S函数返回0到1,T函数返回-1到1


而T
![]()


![]()

![]()

当遗忘门值为0时,意味着上期记忆完全遗忘 ;为1时,完全保留
输入们用来更新记忆
![]()
![]()




![]()
![]()
![]()

简单RNN种
![]()



![]()
GRU


更新门与重置门 

![]()

![]()





![]()
http://colah.github.io/posts/2015-08-Understanding-LSTMs/
https://arxiv.org/pdf/1412.3555v1.pdf










