递归神经网络是一个神经网络链吗？

Question

我在问回归神经网络是否是一个神经网络链。

现在，直观地说，RNN是一个神经网络，具有来自过去输出的反馈回路，并且根据一个人的实现，从隐藏层到下一个时间戳的隐藏层和/或输入的反馈回路。

除了链接隐藏层的实现，这个实现与神经网络链有什么不同吗？

我认为，根据我的理解，这样的实现可以从神经网络链构建，其中NN的每个输入是给定数据的时间戳+上一个时间戳的输出。

你知道这种直觉是否正确吗？或者我缺少的RNN和人工神经网络有什么不同吗？

我还问过我的教授，他专门研究机器学习这个问题，如果有人好奇的话，我可以看看一旦得到答案我是否可以发表他的答复。

Answer 1

有两个重要的修改/差异：

1. 你必须分享你的“神经网络链”的参数，使其表现得像一个反复的神经网络。
2. 你的“展开”随着时间的推移而增长 - 这意味着在第一次迭代中你的“链”长度为1.在第二长度2中，在N步之后 - 长度为N.

如果您不介意这两个差异，展开的模型与经常性网络几乎完全相同。鉴于您将所有必需的数据存储在某个缓冲区中（因为在更新期间您将需要“过时的”输出/标签等）。

Answer 2

神经网络中的大多数初学者都假设神经网络可以在A *路径规划，C ++编程和Turing-Maschines附近的干净理论层面上进行讨论。这完全错误，神经网络是生物神经科学的一个主题，她的用途是脑 - 计算机接口。计算机科学家没有给出神经网络的定义以及哪种类型更好，它来自动物实验（猴子，老鼠）的研究以及人体假肢医学研究的需要。

一篇具体的论文，它可以回答一个问题，即复发神经网络是什么以及极限是什么：A recurrent neural network for closed-loop intracortical brain– machine interface decoders在这篇论文中，电极被植入猴脑中，而递归神经网络则充当了BCI。解释猴子的大脑。另一方面：如果循环中没有生物生命形式，那么根本就没有使用神经网络。

我知道，这只是OP的间接答案，但我的有效理由是，pubmed.gov上的大多数论文都不能用作OpenAccess，因此可以继续进行进一步的研究。