机器学习 RNN（2）

上一次分享一个简单的实例，但是世界在我们眼里没那么简单，我们简化世界到人类能够理解的简单程度。数字简单明了易于理解。我们在上次分享基础上添加一些条件。

说了一大堆，那么什么是 RNN 他是 Recurrent Neutral Network 的缩写，就是循环神经网络。就是输入和输出都是相同的。

看看菜谱 循环的食谱

我们食谱按日期依次循环，菜谱循环是有一定规矩可寻的。

其他因素

如果今天是汉堡包，那么也就是说神经网络输出就是汉堡包，在明天汉堡包作为输入输入神经元然后输出烤鸡。

输出烤鸡 输入烤鸡

同样烤鸡作为明天的输出，他又是后天的输入。这就是循环吧。

用向量表示食品

我们这里用一个三维的向量来表示三种不同的食品。

神经网络对应

这是一个三维三列的数组，作为神经网络的结构

看一看输入 输入为派输出为汉堡包

当输入为派的时候，然后用派的向量乘以这个矩阵，就会输出为汉堡向量。

输入汉堡包输出烤鸡

同理当输入为汉堡，通过计算就可以得到烤鸡

输入和输出的对应关系

我们把输入的向量和输出的向量一一对应。

神经网络

我们看一下神经元结构，通过图形来表示神经网络结构。

实例说明

我们看一下，输入向量 [1 0 0] 然后依次向下窜一个位置，得出向量就是对应汉堡包。

循环神经网络

循环神经网络举例，得出输出值作为输入再次进去神经网络。

循环神经网络 考虑天气

当晴天时继续做昨天同样的食品，如果阴天就会更换食品，也就是他的下一道食品，上面我们已经通过设计神经网络得出

我们

如果语言还无法说清楚，今天吃什么是由那些因素决定的，我们可以看一看上图，今天吃什么是由昨天吃的什么和今天的天气决定的。

循环神经网络 可以通过向量来表示不同的天气 多因素的

看一看由于天气影响我们会得到不同的输出。下集更精彩。