如何評估人工神經網絡中的遞歸連接？

Question

我只是不明白如何計算包含遞歸連接的神經網絡的輸出。

因此，這里有一個例子（我還不能發布圖片。）： http : //i.imgur.com/XdXupIj.png

（i_1,2是輸入值，w_1,2,3，r是連接權重，o_1是輸出值。）

為了簡單起見，假設沒有激活或傳遞函數。 如果我正確理解了ANN的工作原理，那么在不考慮紅色循環連接的情況下，輸出計算如下：

o_1=(w_1*i_1+w_2*i_2)*w_3

但是，當考慮紅色連接時會怎樣？ 可不可能是

o_1=((w_1*i_1+w_2*i_2)+(w_1*i_1+w_2*i_2)*w_r)*w_3

也許？ 但這只是我的猜測。

提前致謝。

Answer 1

RNN不是通常的網絡。 通常的網絡沒有時間，但是RNN有時間。 數字化的信號進入網絡的輸入。 因此，例如，對於i_1我們沒有一個值，但是信號i_1[t=0], i_1[t=1],i_1[t=2], …紅色連接本身內部具有延遲，並且延遲為一個單位時間。 因此，要計算H1的輸出，您需要使用以下遞歸公式：

o[t]=w_1*i_1[t]+w_2*i_2[t])+o[t-1]*w_r

您在這里看到o[t-1]表示在一單位時間的延遲。

說到遞歸神經網絡，您可能會發現許多使用它的例子。 最近，我們參加了機器學習競賽，並嘗試使用RNN對EEG信號進行分類，但遇到了一些障礙。 這是詳細信息： http : //rnd.azoft.com/classification-eeg-signals-brain-computer-interface/ 。

Answer 2

遞歸神經網絡（RNN）是一類人工神經網絡，其中單元之間的連接形成有向循環。 與前饋神經網絡不同，RNN可以使用其內部存儲器來處理任意輸入序列。

對我來說，似乎是：

o_1=(w_1*i_1+w_2*i_2)*w_r*w_3

注意：請注意這是否是家庭作業。