标签：... 中间 目标 语言 .com 技术分享 多次 png height
递归神经网络
实际属于输入之间可能是存在联系的，所以在多次输入x0、x1........中，每次的中间信息A（也称为机器单元）都保存下来传给下次输入的中间信息A，每次输入的计算结果h0、h1......不一定是目标结果可以不使用，只有最终的ht是想要的预测结果。
递归神经网络适合自然语言处理。
每一步都会对它之前所有的操作进行参数更新，这个与其他的神经网络是不同的。
以E3为例，它的反向传播指向s3，而s3的反向传播指向s2和x3，会对它前面的所有的步都进行更新。
递归神经网络会出现梯度消失（某一步的梯度约为0，后面相连的都为0，无法更新）的问题，如果链过长过多的比较小的梯度相乘会使梯度值接近0。
标签：... 中间 目标 语言 .com 技术分享 多次 png height
原文地址：https://www.cnblogs.com/zzx1905/p/RNN.html
