知识卡片
RNN逐步更新状态
单步 RNN 将当前输入与上一个隐藏状态分别做线性变换,加偏置后通过 tanh 得到新状态。反向计算要使用正向保存的输入和状态,分别求输入、先前状态和共享参数的梯度。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- RNN · 查看原书依据
t = np.dot(h_prev, Wh) + np.dot(x, Wx) + b h_next = np.tanh(t)
参考来源
- 位置:《深度学习进阶:自然语言处理》第5章《RNN》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0010_split_003.html)
- 结论依据:正文给出相关模型、计算或训练条件。
- 原始内容:t = np.dot(h_prev, Wh) + np.dot(x, Wx) + b h_next = np.tanh(t)