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

>>阅读原文<<