带你深入剖析递归神经网络

// Stage 1: Calculate hidden layer outputs

for ( i = 0 ; i < HIDDEN_NEURONS ; i++ )

{

hidden[ i ] = 0.0;

// Incorporate the input.

for ( j = 0 ; j < INPUT_NEURONS+1 ; j++ )

{

hidden[ i ] += w_h_i[ i ][ j ] * inputs[ j ];

}

// Incorporate the recurrent hidden.

hidden[ i ] += w_h_c1[ i ] * context1[ i ];

hidden[ i ] += w_h_c2[ i ] * context2[ i ];

// apply tanh activation function.

hidden[ i ] = tanh( hidden[ i ] );

}

// Stage 2: Calculate output layer outputs

for ( i = 0 ; i < OUTPUT_NEURONS ; i++ )

{

outputs[ i ] = 0.0;

for ( j = 0 ; j < HIDDEN_NEURONS+1 ; j++ )

{

outputs[ i ] += ( w_o_h[ i ][ j ] * hidden[ j ] );

}

// apply sigmoid activation function.

outputs[ i ] = sigmoid( outputs[ i ] );

}

　　推荐阅读

　　23个基本物联网标准、协议、技术术语快捷指南！

CTO练习营 | 12月3-5日，深圳，是时刻成为优良的技巧治理者了在物联网范畴，平日存在一些难以懂得的协定、标准>>>详细阅读

地址：http://www.17bianji.com/lsqh/39295.html