人腦不像 NN 只會單向思考,那 NN 能像人腦一般靈活嗎?其實是可以的,本章將再介紹新的 NN ,且會有 Keras 實作,馬上來看看這個可以向前、向後跑,還可以隨著內容修訂自己反應的「 RNN 」吧!
看了這麼多的 NN 範例,問題是,人腦…好像不是單向思考的吧!說得沒錯,人腦的神經元可比起電腦的電路更優異,舉個最簡單的例子:你之所以可以看懂這些文字、圖形,甚至我們的程式碼與運算原理說明,那是因為歷來你的大腦裡面,累積了這方面的知識。
講到知識這個詞,有可能像是 kNN 那樣只要背下來就可以嗎?有可能像是 ANN 那樣只要針對已知的分類項目然後把答案湊出來就行嗎?當然不成,你想想,你有記憶以來,透過學習(學校、人們…給你的說明跟示範),都會不斷地對你記憶中所知道的內容進行校正。
好比說:小時候大家會習慣去吃手手,然後媽媽一看到就會說:「手手髒髒,不能放到嘴巴裏」,長大到了高中,美術課被剪刀劃到手,為了止血所以你就吸手指…對不對?同樣是吃手手這件事情,為什麼會不一樣?
因為隨著時間變化,周遭的人事物相對對你產生不同的回饋刺激,讓你對於吃手手這個行為所體認的效果不同,所以人類的知識,能像之前介紹的 NN 那樣,只能單向一直計算或記憶嗎?答案當然是不能。
那怎麼辦?剛剛就提到「回饋刺激」這幾個字,假如 NN 的神經元,是可以向前、向後跑,還可以隨著內容不斷地修訂自己的反應…不就結了嘛!對,這就是遞歸神經網路(Recurrent Neural Networks, RNN)的構想由來。
RNN 的具體化描述
那是怎麼做的呢?其實一點也不意外:
只需不到短短一分鐘...
輸入您的信箱與ID註冊即可享有一切福利!
會員福利
免費電子報
會員搶先看
主題訂閱
好文收藏
2019/07/16
簡賢易懂的文章 謝謝分享