4.1 循环神经网络 (RNN) 及其变体

文档摘要

4.1 循环神经网络 (RNN) 及其变体 4.1 循环神经网络 (RNN) 及其变体在时间序列预测中，数据点之间存在固有的时间依赖性。传统的神经网络，如多层感知机 (MLP)，在处理这类序列数据时面临挑战，因为它们假设输入是独立的。循环神经网络 (RNN) 应运而生，旨在通过引入“记忆”机制来捕捉序列中的时间依赖性，使其成为时间序列预测的基石。 4.1.1 循环神经网络 (RNN) 的基本原理 RNN 的核心思想是，它在处理序列的每一步时，不仅考虑当前的输入，还会结合之前步骤的输出（或隐藏状态）。这种循环连接允许信息在时间步之间流动，从而使网络能够记住过去的信息，并将其应用于当前的预测。结构与计算流程：一个基本的 RNN 单元在每个时间步接收当前输入和前一个时间步的隐藏状态。