5.1循环序列模型

觉得有用的话,欢迎一起讨论相互学习~Follow Me

1.3循环神经网络模型

为什么不使用标准的神经网络

• 假如将九个单词组成的序列作为输入，通过普通的神经网网络输出输出序列，
  
  1. 在不同的例子中输入数据和输出数据具有不同的长度，即每个数据不会有一样的长度
     
     • 也许每个语句都有最大长度，能够通过Padding 的方式填充数据，但总体来说不是一个好的表达方式。
  2. 不共享从文本的不同位置上学到的特征
     
     • 例如普通神经网络可以学习到Harry这个单词出现在x<1>$x^{<1>}$的位置，但是如果Harry这个单词出现在x<4>$x^{<4>}$的位置，普通的神经网络不能识别的出来。
  3. 输入量巨大，如果词典中最大的单词量是1W的话，则单词的one-hot表示向量将是一个1W维的数据。而一个训练语句中的单词数为Tx$T_x$,则输入数据的维度为Tx∗1W$T_x\ast 1W$此数据维度是十分巨大的。
     

循环神经网络模型

简化循环神经网络数学公式

• 将Waa和Wax合并成一个大的矩阵Wa，将a<t−1>和X<t>合并成[a<t−1>,X<t>]$W_{aa}和W_{ax}合并成一个大的矩阵W_a，将a^{<t-1>}和X^{<t>}合并成[a^{<t-1>},X^{<t>}]$
  具体如下图所示:
  

---

1.4通过时间的反向传播Backpropagation through time