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
shangyingying_17 小时前
关于小波降噪、小波增强、小波去雾的原理区分
人工智能·深度学习·计算机视觉
书玮嘎8 小时前
【WIP】【VLA&VLM——InternVL系列】
人工智能·深度学习
要努力啊啊啊9 小时前
YOLOv2 正负样本分配机制详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪
Blossom.11810 小时前
机器学习在智能建筑中的应用:能源管理与环境优化
人工智能·python·深度学习·神经网络·机器学习·机器人·sklearn
m0_6786933311 小时前
深度学习笔记29-RNN实现阿尔茨海默病诊断(Pytorch)
笔记·rnn·深度学习
胡耀超11 小时前
标签体系设计与管理:从理论基础到智能化实践的综合指南
人工智能·python·深度学习·数据挖掘·大模型·用户画像·语义分析
fzyz12313 小时前
Windows系统下WSL从C盘迁移方案
人工智能·windows·深度学习·wsl
FF-Studio15 小时前
【硬核数学 · LLM篇】3.1 Transformer之心:自注意力机制的线性代数解构《从零构建机器学习、深度学习到LLM的数学认知》
人工智能·pytorch·深度学习·线性代数·机器学习·数学建模·transformer
云渚钓月梦未杳15 小时前
深度学习03 人工神经网络ANN
人工智能·深度学习
贾全16 小时前
第十章:HIL-SERL 真实机器人训练实战
人工智能·深度学习·算法·机器学习·机器人