张量流复发细胞中的重量

Question

在完全连接的自动编码器this paper的上下文中指出，一种类型的正则化是使用绑定权重用于权重矩阵（本文第2部分）。在该论文中，解码器的权重矩阵是编码器的编码矩阵的转置。在张量流中写这个伪python可以是：

 import tensorflow as tf
 encoder_activation = tf.add(tf.matmul(input_data, W_encoder),self.b_encoder)
 encoder = tf.tanh(activation)
 decoder_activation = tf.add(tf.matmul(encoder, tf.transpose(W_encoder)),self.b_decoder)
 decoder = tf.tanh(decoder_activation)

其中input_data是占位符，b_ *是偏差，W_encoder是编码器的绑定权重矩阵。给出形状以便不出现维数问题。

我的问题是如何使用Tensorflow重复单元格的绑定权重矩阵而不是完全连接（使其成为递归自动编码器）？如果可能的话，主要想法的伪python /代码提示是非常赞赏的。我不太熟悉rnn细胞的内部工作原理。考虑一下最基本的细胞，可以更容易地说明这一点 感谢您