neurali:recurrent_neural_network
Differences
This shows you the differences between two versions of the page.
Both sides previous revisionPrevious revisionNext revision | Previous revision | ||
neurali:recurrent_neural_network [2015/07/06 12:08] – profpro | neurali:recurrent_neural_network [2020/06/08 22:20] (current) – external edit 127.0.0.1 | ||
---|---|---|---|
Line 1: | Line 1: | ||
+ | < < [[neurali: | ||
+ | |||
+ | ====== Recurrent Neural Network ====== | ||
+ | |||
+ | Esistono diversi tipi: | ||
+ | * fully recurrent network | ||
+ | * Hopfield network | ||
+ | * Elman Network | ||
+ | |||
+ | https:// | ||
+ | |||
+ | https:// | ||
+ | |||
+ | Rispetto alle reti Feed Forward, le reti RNN sono diverse nel senso che il loro output dipende dalla storia completa della rete dalla prima volta che è stata usata. | ||
+ | |||
+ | Per ottenere questo risultato, ogni layer della rete deve avere due tipi di connessioni: | ||
+ | * il tipo tradizionale che proviene dal layer precendete (in grigio) | ||
+ | * il nuovo tipo che proviene anche dai layer successivi (in nero) o da se stesso | ||
+ | |||
+ | {{ : | ||
+ | |||
+ | In questo semplice esempio, l' | ||
+ | |||
+ | Questo permette di ottenere una specie di memoria di tipo predittivo, come quella del cervello: [[neurali: | ||
+ | |||
+ | Questa enorme complicazione delle connessioni porta sia vantaggi che svantaggi. | ||
+ | |||
+ | Ad esempio, cambia l' | ||
neurali/recurrent_neural_network.txt · Last modified: 2020/06/08 22:20 by 127.0.0.1