摘自:https://zybuluo.com/hanbingtao/note/541458
语言模型就是这样的东西:给定一个一句话前面的部分,预测接下来最有可能的一个词是什么。
语言模型是对一种语言的特征进行建模
RNN理论上可以往前看(往后看)任意多个词。
循环层:
输出层:
循环层和全连接层的区别就是循环层多了一个权重矩阵W。这个W把前一层的循环层输出引入到这一层
环神经网络的输出值,是受前面历次输入值影响的,这就是为什么循环神经网络可以往前看任意多个输入值的原因。
双向RNN :其实就是在正方向和反方向都建立一个RNN循环层
正向计算时,隐藏层的值与S(t-1)和S(t)有关;反向计算时,隐藏层的值与S(t),和S(t+1)有关;最终的输出取决于正向和反向计算的加和
正向计算和反向计算不共享权重;
BTPP算法:
第二步算误差函数对加权和的偏导数是为了最后求反向传播的梯度:
式4就是将误差项传递到上一层算法。
第三步:
最终的梯度是各个时刻的梯度之和(直接用这个结论,结论的证明没有看):
梯度爆炸与消失:
原文:https://www.cnblogs.com/yttas/p/10486401.html