深度学习与神经网络 | 邱锡鹏 | 第六章学习笔记 循环神经网络

6.循环神经网络

文章目录

• 6.循环神经网络
• • [6.1 给神经网络增加记忆能力](#6.1 给神经网络增加记忆能力)
  • [6.2 循环神经网络](#6.2 循环神经网络)
  • [6.3 应用到机器学习](#6.3 应用到机器学习)
  • [6.4 参数学习](#6.4 参数学习)
  • [6.5 如何解决长程依赖问题](#6.5 如何解决长程依赖问题)
  • [6.6 GRU 和 LSTM](#6.6 GRU 和 LSTM)
  • [6.7 深层循环神经网络](#6.7 深层循环神经网络)
  • [6.8 应用](#6.8 应用)
  • [6.9 扩展到图结构](#6.9 扩展到图结构)

6.1 给神经网络增加记忆能力

6.2 循环神经网络

6.3 应用到机器学习

s是单个词的意思，b是一个词的开始，e是一个词的结束

没有结果产生的部分就是编码部分，有结果产生的部分就是解码部分

这是之前说的自回归模型

6.4 参数学习

会让第t个时刻的时候收不到关于第k个时刻的损失对地t个时刻的影响 原因就是梯度爆炸或者梯度消失

6.5 如何解决长程依赖问题

让上图的伽马=1即可，但是这个条件很强，很难达到

6.6 GRU 和 LSTM

ft是遗忘门，说的是我们这次应该忘记多少信息

6.7 深层循环神经网络

就是多叠了几层

6.8 应用

6.9 扩展到图结构