时间:2024-10-22 21:00:28
循环神经网络的基本原理
循环神经网络的基本原理是基于记忆模型的想法,期望网络能够记住前面出现的特征,并依据特征推断后面的结果,而且整体的网络结构不断循环,因此得名循环神经网络。
循环神经网络的基本结构非常简单,就是将网络的输出保存在一个记忆单元中,这个记忆单元和下一次的输入一起进入神经网络中,输入序列的顺序改变,会影响网络的输出结果,因为记忆单元的存在,使得两个序列在改变顺序之后记忆单元的元素也改变了,所有会影响最终的输出结果。
使用双向循环神经网络,网络会先从序列的正方向读取数据,再从反方向读取数据,最后将网络输出的两种结果合在一起形成网络的最终输出结果。
循环神经网络具有记忆性、参数共享并且图灵完备(Turing completeness),因此在对序列的非线性特征进行学习时具有一定优势。
科技之家 广州小漏斗信息技术有限公司 版权所有 提供支持 粤ICP备20006251号