RNN基本概念理解

参考博客：[译] 理解 LSTM 网络

刚接触RNN（Recurrent Neural Networks），主要是因为在text recognition中会用到。因为并没有仔细研究过，这里只简单记录学习所得。

那么，什么是RNN呢？

RNN

循环神经网络主要解决的问题是，用先前的状态预测后来的状态，能够记忆先前的状态。神经网络的结构图如下：

由上图可知，对于某一时刻的输出 hi h i ，不仅仅由这一时刻的输入 xi x i 决定，还与之前时刻的状态有关。举例说明，在text recognition中，如果ground truth是‘她正在吃梨’，那么某一时刻我们已经得到了‘她正在吃’这四个字，那么就可以推断后面出现的应该是名词，并且是一种食物。

但是后来，大家发现在RNN中，越近的时刻对当前时刻的影响越大，对于下面的例子就不能很好的工作：他是法国人，他会说法语。事实上在这个例子中，对‘法语’影响最大的是‘法国人’，但是在RNN中，这两个信息距离较远，已经无法对预测起到较大的启发作用了。因此，LSTM应运而生。

关于LSTM，下篇博客再介绍