RNN与普通神经网络的区别:能够更好的处理序列的信息
RNN结构图
如图所示,St的值不仅取决于输入X的值,还取决于St-1的值。同时,St-1的值还取决于St-2的值,因此S1,S2,…,St-1的值都与St的值直接或间接相关,注重先后输入的联系,将序列信息按照远近关系进行处理。
在X值的不断输入过程中,W的值是在不断发生变化的。只有训练到了最后一个模型时,W的值才会固定下来。
RNN与普通神经网络的区别:能够更好的处理序列的信息
RNN结构图
如图所示,St的值不仅取决于输入X的值,还取决于St-1的值。同时,St-1的值还取决于St-2的值,因此S1,S2,…,St-1的值都与St的值直接或间接相关,注重先后输入的联系,将序列信息按照远近关系进行处理。
在X值的不断输入过程中,W的值是在不断发生变化的。只有训练到了最后一个模型时,W的值才会固定下来。
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/312697.shtml
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!