【pytorch】（十一）循环神经网络（RNN）

心中带点小风骚 • 2022年5月9日下午1:05 • 技术文章 • 阅读 215

循环神经网络（RNN）

对于循环神经网络，网上的解释都是按照时间线进行的：

图片来自网络

就个人而言，我觉得这很复杂。然后，有人用下图解释了复杂性：

图片来自网络

看起来很酷。

实际上，RNN 并没有那么复杂。下面，本文将从“序列移动，网络移动”的角度展示循环神经网络的前向传播，并以前馈神经网络作为控制。那么，双向循环神经网络的前向传播也从“序列动，网络不动”的角度得到了清晰的论证。

RNN与前馈神经网络对比

循环神经网络（RNN）	前馈神经网络
网络简图
输入	时间序列：	非时间序列：

前向传播（不考虑偏差【pytorch】（十一）循环神经网络（RNN），是激活函数）
（1）前馈神经网络:

【pytorch】（十一）循环神经网络（RNN）

（2）循环神经网络:

【pytorch】（十一）循环神经网络（RNN）的元素依次输入，计算

get:

其次是前馈网络：

output:

就这么简单，举两个例子。

文章出处登录后可见！

已经登录？立即刷新