RNN循环神经网络

以循环网络输入层特征向量维度x，输出层向量维度y，隐藏层数目2，每个隐藏层长度（或称节点数，神经元数）h为例说明（图1）：  图1 如不考虑时间，假设隐含层的激活函数是ϕ，对于一个样本数为n，特征向量维度为x的批量数据X（X是一个n行x列的实数矩阵）来说（图2），   图2   那么这个隐藏层的输出就是： H1=ϕ(XWxh+b1,h) H2=ϕ(H1Whh+b2,h) 把隐藏层的输出H2作为输出

>>阅读原文<<