RNN循环卷积神经网络

1.定义

RNN (Recurrent Neural Network,RNN)循环卷积神经网络,用于处理序列数据。

序列数据:按照一定的顺序排列的数据,可以是时间顺序、空间顺序、逻辑顺序。

eg:电影、语言

2.特点

传统神经网络模型无法处理可变长度的输入。
传统神经网络模型

传统神经网络模型无法处理可变长度的输入,但是RNN通过循环的方式对当前输入和历史输入进行处理。
RNN输入示意图

3.应用

  • 对序列数据预测。股票、价格、语言进行预测
  • 结合CNN对静态图像的动态内容进行描述。

RNN举例------猫咪喝水

4.RNN模型扩展------LSTM模型

  1. 简单RNN模型

简单RNN模型就是上述讲的历史状态+现在值作为输入的模型,这种模型缺点是会出现梯度爆炸或梯度消失,为了缓解这种问题出现了LSTM模型。

  • 梯度爆炸:在链式求导和激活函数综合影响下,梯度值过大,导致权重更新过大不可用。
  • 梯度消失:在链式求导和激活函数综合影响下,梯度值趋近于0,导致权重过小不可用。
  1. LTSM模型

LSTM模型对于记忆状态进行过滤和新增给出输出,它相比于传统的RNN模型降低了梯度消失和爆炸的可能。

  • 组成:记忆状态,三个sigmoid函数,两个tanH函数。
  • 组成介绍:sigmoid区间0-1,可以控制信息的流量。三个sigmoid函数分别控制遗忘门、输入门、输出门的信息流量。tanH区间-1~1,可以控制信息的增减,分别在输入门和输出门和sigmoid函数共同作用。
  • 具体流程:当前输入与第一个sigmoid函数结合确定有多少历史记忆状态需要过滤掉,然后将过滤后的历史状态与当前输入的某些信息相结合(第2个sigmoid函数和tanH控制是信息流量和增减情况),得到新的记忆状态。

LTSM模型示意图

参考文献:【数之道 09】揭开循环神经网络RNN模型的面纱_哔哩哔哩_bilibili

相关推荐
张较瘦_3 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习
cver1233 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
学技术的大胜嗷3 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
Akttt6 小时前
【T2I】R&B: REGION AND BOUNDARY AWARE ZERO-SHOT GROUNDED TEXT-TO-IMAGE GENERATION
人工智能·深度学习·计算机视觉·text2img
点我头像干啥7 小时前
用 PyTorch 构建液态神经网络(LNN):下一代动态深度学习模型
pytorch·深度学习·神经网络
小白狮ww8 小时前
VASP 教程:VASP 机器学习力场微调
人工智能·深度学习·机器学习
呆头鹅AI工作室9 小时前
[2025CVPR]SEEN-DA:基于语义熵引导的领域感知注意力机制
人工智能·深度学习·机器学习
西柚小萌新9 小时前
【深度学习:进阶篇】--4.3.seq2seq与Attention机制
人工智能·深度学习
求索小沈9 小时前
ubuntu22.04 安装cuda cudnn
人工智能·深度学习
FF-Studio10 小时前
【硬核数学】3. AI如何应对不确定性?概率论为模型注入“灵魂”《从零构建机器学习、深度学习到LLM的数学认知》
大数据·人工智能·深度学习·机器学习·数学建模·自然语言处理·概率论