如何评估人工神经网络中的循环连接？
How to evaluate a recurrent connection in an artificial neural network?
我只是不明白我应该如何计算包含循环连接的神经网络的输出。
所以这是一个例子（我还不能 post 图片..）：
http://i.imgur.com/XdXupIj.png
(i_1,2为输入值，w_1,2,3,r为连接权重，o_1为输出值。 )
为了简单起见，假设没有激活函数或传递函数。
如果我正确理解 ANN 的工作原理，那么在不考虑红色循环连接的情况下，输出计算为
o_1=(w_1*i_1+w_2*i_2)*w_3
但是，考虑到红色连接是什么情况呢？会不会
o_1=((w_1*i_1+w_2*i_2)+(w_1*i_1+w_2*i_2)*w_r)*w_3
也许吧？但这只是我的猜测。
提前致谢。
循环神经网络 (RNN) 是一种 class 人工神经网络，其中单元之间的连接形成有向循环。与前馈神经网络不同，RNN 可以使用其内部存储器来处理任意输入序列。
对我来说，好像是：
o_1=(w_1*i_1+w_2*i_2)*w_r*w_3
注意：如果是作业请备注
RNN 不是通常的网络。通常的网络没有时间，但是RNN有时间。数字化信号进入网络的输入端。因此，例如，对于 i_1 我们没有一个值，但信号 i_1[t=0], i_1[t=1],i_1[t=2], … 红色连接本身有延迟，延迟是一个时间单位。因此，要计算 H1 的输出，您需要使用以下循环公式：
o[t]=w_1*i_1[t]+w_2*i_2[t])+o[t-1]*w_r
你看这里o[t-1]就是延迟一个单位时间
谈到递归神经网络，您可能会发现很多使用它的例子。最近我们参加了机器学习竞赛，尝试使用RNN对脑电信号进行分类，但遇到了一些障碍。以下是详细信息：http://rnd.azoft.com/classification-eeg-signals-brain-computer-interface/。
我只是不明白我应该如何计算包含循环连接的神经网络的输出。
所以这是一个例子（我还不能 post 图片..）： http://i.imgur.com/XdXupIj.png
(i_1,2为输入值，w_1,2,3,r为连接权重，o_1为输出值。 )
为了简单起见，假设没有激活函数或传递函数。 如果我正确理解 ANN 的工作原理，那么在不考虑红色循环连接的情况下，输出计算为
o_1=(w_1*i_1+w_2*i_2)*w_3
但是，考虑到红色连接是什么情况呢？会不会
o_1=((w_1*i_1+w_2*i_2)+(w_1*i_1+w_2*i_2)*w_r)*w_3
也许吧？但这只是我的猜测。
提前致谢。
循环神经网络 (RNN) 是一种 class 人工神经网络，其中单元之间的连接形成有向循环。与前馈神经网络不同，RNN 可以使用其内部存储器来处理任意输入序列。
对我来说，好像是：
o_1=(w_1*i_1+w_2*i_2)*w_r*w_3
注意：如果是作业请备注
RNN 不是通常的网络。通常的网络没有时间，但是RNN有时间。数字化信号进入网络的输入端。因此，例如，对于 i_1 我们没有一个值，但信号 i_1[t=0], i_1[t=1],i_1[t=2], … 红色连接本身有延迟，延迟是一个时间单位。因此，要计算 H1 的输出，您需要使用以下循环公式：
o[t]=w_1*i_1[t]+w_2*i_2[t])+o[t-1]*w_r
你看这里o[t-1]就是延迟一个单位时间
谈到递归神经网络，您可能会发现很多使用它的例子。最近我们参加了机器学习竞赛，尝试使用RNN对脑电信号进行分类，但遇到了一些障碍。以下是详细信息：http://rnd.azoft.com/classification-eeg-signals-brain-computer-interface/。