← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 9853 · 生成模型:Hunyuan

标准循环神经网络

理解等级:中级

循环神经网络专为处理长度可变、前后相关的序列数据而设计,其最大特点是带有隐藏层状态,可以捕获序列中先前时刻的信息。网络中 U 是输入到隐藏层的权重,W 是把上一时刻隐藏值作为本次输入的权重,V 是隐藏层到输出层的权重;隐状态按 a_t=f(Uxt+Wa{t-1}) 更新,输出按 o_t=Softmax(Va_t) 计算。各时间步的 U、W、V 完全相同,类似卷积核的参数共享,大幅降低参数量。它已成功用于自然语言处理、语音识别、机器翻译等时序问题。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第4章 文本及序列处理 · 查看原书依据

      图4-2是一个典型的Elman循环神经网络,它的各个时间节点对应的W、U、V都是不变的,就像卷积神经网络的过滤器机制一样,可以实现参数共享,同时大大降低参数量。

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第4章 文本及序列处理(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter7_0001.xhtml) - 结论依据:原文说明各时间步 W、U、V 不变、实现参数共享并降低参数量,并强调隐藏状态是循环网络最大的特点。 - 原始内容:图4-2是一个典型的Elman循环神经网络,它的各个时间节点对应的W、U、V都是不变的,就像卷积神经网络的过滤器机制一样,可以实现参数共享,同时大大降低参数量。