理解RNN

摘自：https://zybuluo.com/hanbingtao/note/541458

语言模型就是这样的东西：给定一个一句话前面的部分，预测接下来最有可能的一个词是什么。

语言模型是对一种语言的特征进行建模

RNN理论上可以往前看(往后看)任意多个词。

循环层：  

输出层：  

循环层和全连接层的区别就是循环层多了一个权重矩阵W。这个W把前一层的循环层输出引入到这一层

环神经网络的输出值，是受前面历次输入值影响的，这就是为什么循环神经网络可以往前看任意多个输入值的原因。

双向RNN ：其实就是在正方向和反方向都建立一个RNN循环层

正向计算时，隐藏层的值与S(t-1)和S(t)有关；反向计算时，隐藏层的值与S(t)，和S(t+1)有关；最终的输出取决于正向和反向计算的加和

正向计算和反向计算不共享权重；

BTPP算法：

第二步算误差函数对加权和的偏导数是为了最后求反向传播的梯度：

式4就是将误差项传递到上一层算法。

第三步：

最终的梯度是各个时刻的梯度之和（直接用这个结论，结论的证明没有看）：

梯度爆炸与消失：