机器学习 RNN（3）
2018-11-29 本文已影响11人
zidea
在开始之前，还是要先感谢一下老外提供这个浅显易懂，又不缺乏深度的教程。我个人的理解可能会有偏差，还请指正。
图
输入的食品的向量乘以上图中的向量就可以得出向量分别为下图中的派其自身和汉堡。
图
图
以此类推，当输入为汉堡，输出上面为汉堡下面为汉堡的下一个食品。
图
我们在看看计算天气的矩阵。
图
我们用向量分别乘以上下的矩阵。
图
图
图
对上面获取两个结果进行取和，输入条件为派和阴天，确切地说是雨天的结果向量进行取和得到是上图右侧的结果。
图
继续我们对取和的结果进行合并操作。
合并操作
这里将最大值取值为 1 而其他值我们都将他们变成 0 来的结果，再将上下两个向量相加，就得到我们结果向量了。
图
通过得到结果向量来在食品中找出，一看就是汉堡了。我们回去用我们自己经验根据规则一看，今天是雨天做的又是派，那么规则是雨天会在明天更换食品，好没错。机器通过学习会有和我们一样的判断力。
图
图
上面我们是通过向量的转换来得出结果，现在我们用神经网络结构来将上面计算的过程再演示一遍。
系统
这里少了一张图，输入为 派 和 雨天 输出为汉堡
图
add
merge
输出层
图
经过由矩阵抽象出的神经元结构，我们可以得出一样结果，这里就不对每一层进行过多的解释了，有了前面的知识的铺垫，再加上图解，我想大家一看就能明白。
循环神经网络
我们输出会做作为输入被再次使用，循环神经网络应用的场景很多，例如我们的股票预测，今天股票的数值回作为明天股票价值计算的行情。还有语义分析，输入文字会被作为输入再次来使用。
