码迷,mamicode.com
首页 > Web开发 > 详细

Recurrent Neural Network(1):Architecture

时间:2018-05-26 10:42:24      阅读:160      评论:0      收藏:0      [点我收藏+]

标签:att   bsp   img   block   序列   play   connect   hidden   style   

Recurrent Neural Network是在单个神经元上,除了输入与输出外,添加了一条Recurrent回路。如下图左侧,将前一时刻神经元的输出状态s,作为下一时刻的一个输入值,加权并入输入U中。这一操作使得,某一时刻神经元的输出状态s,依赖于之前各个时刻的状态st-1,st-2,...,st-n.从而,我们可以说该Recurrent path为神经网络引入了一个新的维度: time dimension.

技术分享图片

在上图右侧,我们看到将该neuron在time dimension上展开后的形式,xt是时间序列各个时间点的输入,st是各个时间点上产生的输出状态,而ot则是各个时间点上该神经元的输出。而在该结构中,参数共有3个:U,W,V,分别是input weight, state weight, and output weight。和CNN一样,RNN同样有parameter sharing的思想,即在时间维度上,共享这三个parameters.

 

输出状态st的计算公式为:

技术分享图片

其中f是activation function,可以使sigmoid, tanh, relu等等。而在输出端,如果我们使用Softmax去预测各个输出值的概率,则:

技术分享图片

 

下面是三种不同类型的RNN patterns:

 

Pattern 1: Hidden unit存在recurrent connections,每一个时间t上都有输出,每个时刻都有输出o,期望值y和Loss function

技术分享图片

 

Pattern 2: Hidden Unit存在recurrent connections,读取完整个序列后,最后产生一个输出o,根据期望值y计算Loss function

技术分享图片

 

Pattern 3: Output Unit对Hidden Unit有Recurrent Connection,每个时刻都有输出o,期望值y和Loss function

技术分享图片

 

Recurrent Neural Network(1):Architecture

标签:att   bsp   img   block   序列   play   connect   hidden   style   

原文地址:https://www.cnblogs.com/rhyswang/p/9091534.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!