RNN循環神經網絡
以循環網絡輸入層特徵向量維度x，輸出層向量維度y，隱藏層數目2，每個隱藏層長度（或稱節點數，神經元數）h爲例說明（圖1）： 圖1 如不考慮時間，假設隱含層的激活函數是ϕ，對於一個樣本數爲n，特徵向量維度爲x的批量數據X（X是一個n行x列的實數矩陣）來說（圖2）， 圖2 那麼這個隱藏層的輸出就是： H1=ϕ(XWxh+b1,h) H2=ϕ(H1Whh+b2,h) 把隱藏層的輸出H2作爲輸出
相關文章
- 1. 循環神經網絡（RNN）
- 2. 循環神經網絡RNN
- 3. 循環神經網絡（rnn）
- 4. RNN循環神經網絡
- 5. RNN（循環神經網絡）
- 6. 循環神經網絡 (RNN)
- 7. 循環神經網絡RNN和遞歸神經網絡RNN(LSTM)
- 8. 淺談循環神經網絡（RNN）
- 9. 循環神經網絡（Recurrent Neural Network，RNN）
- 10. 循環神經網絡RNN(Recurrent Neural Network)
- 更多相關文章...
- • PHP 循環 - While 循環 - PHP教程
- • PHP 循環 - For 循環 - PHP教程
- • Docker容器實戰(一) - 封神Server端技術
- • 互聯網組織的未來：剖析GitHub員工的任性之源
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章