0
点赞
收藏
分享

微信扫一扫

机器人写诗项目——递归神经网络(RNN)


传统神经网络与递归神经网络对比

传统神经网络

机器人写诗项目——递归神经网络(RNN)_递归

递归神经网络

机器人写诗项目——递归神经网络(RNN)_反向传播_02

等价于

机器人写诗项目——递归神经网络(RNN)_递归_03

RNN网络细节

机器人写诗项目——递归神经网络(RNN)_神经网络_04

x​t​表示第t=1,2,3…step的input

s​t​为隐藏层的第t step的state,它是网络的记忆单元

s​t​=f(Ux​t​+Ws​t-1​),其中f一般是非线性的激活函数

o​t​是第t step的output,如下个单词的向量表示softmax(Vs​t​)

RNN的反向传播

机器人写诗项目——递归神经网络(RNN)_神经网络_05

RNN升级LSTM

机器人写诗项目——递归神经网络(RNN)_递归_06

C:控制参数

决定什么样的信息会被保留,什么样的会被遗忘。

要通过训练得到。

机器人写诗项目——递归神经网络(RNN)_反向传播_07

门是一种信息选择式通过的方法

sigmoid神经网络层和一乘法操作

机器人写诗项目——递归神经网络(RNN)_递归_08

Sigmoid层输入0~1之间的数值,描述每个部分有多少量可以通过。

0代表“不允许任何量通过”,1代表“允许任意量通过”。

机器人写诗项目——递归神经网络(RNN)_递归_09

决定丢弃信息

机器人写诗项目——递归神经网络(RNN)_神经网络_10

机器人写诗项目——递归神经网络(RNN)_反向传播_11

确定更新的信息

机器人写诗项目——递归神经网络(RNN)_反向传播_12

机器人写诗项目——递归神经网络(RNN)_神经网络_13

更新细胞状态

机器人写诗项目——递归神经网络(RNN)_反向传播_14

机器人写诗项目——递归神经网络(RNN)_神经网络_15

输出信息

机器人写诗项目——递归神经网络(RNN)_反向传播_16

利用新的控制参数产生output

机器人写诗项目——递归神经网络(RNN)_递归_17

LSTM网络架构

机器人写诗项目——递归神经网络(RNN)_神经网络_18



举报

相关推荐

0 条评论