一文彻底搞懂RNN - 模型架构（Model Architecture）

文章预览

Recurrent  Neural Network RNN是一种特殊的神经网络结构，它通过在时间上的展开来处理序列数据中的依赖关系。在每个时间步（time step），RNN都会接收一个输入（比如句子中的一个单词），并输出一个结果（比如下一个单词的预测）。 与传统的前馈神经网络（Feedforward Neural Network, FNN）不同，RNN在每个时间步都会保留一个隐藏状态（hidden state） ，这个隐藏状态包含了之前所有时间步的信息，并用于计算当前时间步的输出和下一个时间步的隐藏状态。 RNN vs FFNN 一、FFNN（前馈神经网络）的局限性 前馈神经网络（Feedforward Neural Network, FFNN）： 前馈神经网络（FFNN），也称为多层感知机（MLP），通过多个隐藏层将输入数据映射到输出数据。 它主要由输入层、一个或多个隐藏层以及输出层组成， 数据在网络中只能单向流动，即从输入层经过隐藏层最终到达输出 ………………………………