递归神经网络RNN

递归神经网络

　　实际属于输入之间可能是存在联系的，所以在多次输入x0、x1........中，每次的中间信息A（也称为机器单元）都保存下来传给下次输入的中间信息A，每次输入的计算结果h0、h1......不一定是目标结果可以不使用，只有最终的ht是想要的预测结果。

　　递归神经网络适合自然语言处理。

　　

　　　

　　每一步都会对它之前所有的操作进行参数更新，这个与其他的神经网络是不同的。　

　　以E3为例，它的反向传播指向s3，而s3的反向传播指向s2和x3，会对它前面的所有的步都进行更新。

　　

　　递归神经网络会出现梯度消失（某一步的梯度约为0，后面相连的都为0，无法更新）的问题，如果链过长过多的比较小的梯度相乘会使梯度值接近0。