这是最基础的多输入单输出的Rnn吧。比如讲了一段话，然后发现重点。
Rnn中最明显的缺点就是共享了一组U，W，b，都是不变的，看这个输出y和hi，其中这个图中hi就是h1，h2，h3，还可以发现h2依赖于h1的结果，h3依赖于h2的结果，等等。
Rnn可以是多个并且有序，比如像人物说话，或者做事一样，都是有时间序列的，就可以模仿真实人物一样，一个接着一个。而不是比如单纯的线性预测一样，给定一个文档数据，直接用梯度下降拟合就可以了。Rnn是有时间控制的，相当于一个记忆能力，因为比如说你这个话就连接着下一句话，他们之间的w权值就比较大。所以用Rnn处理有时间序列的数据就很实用。像这个距离时间预测就很符合。
**
Seq2seq的两种形式:
**
其中Encoder-Decoder比较多见，编码器与译码器，其实内部就是个黑盒子根据公式推的。这种情况是编码器的输出等于下一个译码器的输入。然后再译码，就得到一个个Y值。这里的h4给h5到h8（h6中含有h5的成分），这里的h3也是给h5-h8。
第二种形式：
这里和上面不同的事h3全部输入给h4.
但是有一个小缺点就是，有的时候译码器的输入都是同样的，因为比如说输入了三句话（相当于三个x。有x1，x2，x3），他可能产生的中间语义c都相同。这就导致译码器收到的输入值也相同，就很有可能产生的y值也差不多，甚至一样。
所以怎么改变这种情况呢，就引入了注意力机制。
注意力机制是干啥的，就是编码器中调整权重的，每个译码器中输入的c1，c2，c3（c就是中间语义）都不相同，这样就能产生比较理想的y值了，这样说就比较清晰。
其中看那个w。0.6,0.2,0.1,0.1，反正加起来就是1.这里的w1是0.6就表示这个字是重点，因为权重比较大嘛，就加入了注意力机制。
如果要进行分类的话，要用到softmax层，这点需要看一下cnn，先不说这个了。
对Rnn不变种的总结：就是进行训练，基于梯度下降的原则去不断缩小真实值与预测值之间的差值（如果这里不明白，去百度看用代码实现线性回归的原理，就懂了）。其中还有要用到反向传播BP，所以这也是Rnn不好的地方，因为刚开始讲了（U,W,b）都是不变的，这就导致什么？比如说权值w吧，如果都是0.9或者都是1.1呢？你反向传播，这么理解吧，就是从最后的假设的值依次向前乘w找误差。如果是1.1，你乘的多了就数特别大，误差特别大吧。就没法继续进行了，这就是梯度爆炸。如果n个0.9呢？那就是梯度消失，误差也是特别大，所以为了解决这个问题引入了更好的变种：LSTM。
遗忘门这就很容易理解了，就是w，u，b都变了，就是根据结果不断的去改变wf，测试他的遗忘程度。
其中这个阿尔法就是一个激励函数，很多情况下选择sigmoid函数（如果不知道，百度）
就是看看这个输入值用不用得到的意思。
这步可以把它理解成对参数的调整（就是为了更好地拟合），数学公式ct-1，it，ft的自己看公式就能明白了。（为什么要用Tanh，分布在-1到1，满足中心分布，还不是为了拟合吗？为什么要用这个公式，前辈的经验。）
最后是一个输出门。和之前讲的Rnn原理差不多，也是需要前一个的输入值ht-1.
讲完Lstm了，就大概明白了为什么叫长短期记忆人工神经网络了。就是多添加了一些遗忘门，内部记忆单元，输入值，输出值也经过公式推导进行了处理呗。这样更符合人类大脑处理问题的思维了。