Posted By 賴建宏 on 7 月 3, 2019 in Edge AI開發地圖, 教學文 | 1 comment

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：