【460】循环神经网络 RNN

参考：An Introduction to Recurrent Neural Networks for Beginners

其中每一个彩色框都是一排神经元，相当于普通 NN 的一层，例如 X0 为 input 层，然后 h0 为 hidden 层，y0 为 output 层；

以此类推，X1...Xn 都是 input 层，h0...hn 都是 hidden 层，y1...yn 都是 output 层。

相当于把两个神经网络合并成了一个，如下图所示：

对于一句话来说，每个单词相当于一个 input，因此可以处理不同长度的单词输入，同时前面的输入训练可以影响后面。

$W_{xh}$: (hidden_size, input_size)

$x_t$: (input_size, 1)

$W_{xh} x_t$: (hidden_size, 1)

 

$W_{hh}$: (hidden_size, input_size)

$h_{t-1}$: (hidden_size, 1)

$W_{hh} h_{t-1}$: (hidden_size, 1)

 

$b_h$: (hidden_size, 1)

 

$h_t = tanh(W_{xh} x_t + W_{hh} h_{t-1} + b_h)$: (hidden_size, 1)

 

$W_{hy}$: (output_size, hidden_size)

$h_{t}$: (hidden_size, 1)

$W_{hy} h_t$: (ouput_size, 1)

$b_y$: (output_size, 1)

$y_t = W_{hy} h_t + b_y$: (output_size, 1)