RNN与卷积最大的不同是，他的cell输出会成为下一个cell的输入，这代表了RNN是有一定**记忆能力**的，因为我的输出成为了我的输入，所以训练参数是有记忆性的，如果卷积神经网络是人类视觉的模拟，那循环神经网络是人类记忆信号的模拟，它通过看从时序序列上的相关性产生了一定程度的记忆，这种记忆包含语义，语法等信息。

它的应用

1.预测一个时序信号的未来数据，比如房价，股价，公司效益的预测。
2.自然语言处理
人在看一篇文章的时候，要是想产生理解，往往需要看完全部的段落或句子，而不是只看完某个字，然后才可以从全局上理解文章的内容，而让我们产生理解的这种东西，就是语言的特征：语义，他是一种抽象的特征，它不像CV的图像特征那样直观，但他是一种深刻且更具智慧性的特征。

它的类型

1对多例子：文章，摘要的生成：我给他前一个字或是词，他就会生成后面的一大段文字

多对一例子：股票房价预测，自动驾驶轨迹预测

多对多例子：比如机器翻译等

普通RNN缺点

对长期记忆丢失的特别快，由于一直用同一个单元训练，梯度不停的往后累加，为了防止梯度爆炸和梯度消失的情况，我们通常选sigmoid函数去计算而不是relu，这就导致一个问题：输入信号的结尾会有比较大的梯度信号，而当我们一直回溯到信号最初的开头部分，梯度就很小了，就不太会改变训练参数了。
直观上讲，就是这句话最初的部分好像被忘掉一样，就比如，我看完一句话，我已经忘记这句话的主语是什么了。这就导致我几乎不可能理解这句话。
因此缺点，引入了LSTM

LSTM

它由4个全连接层组成：

看起来很吓人，但是实际上不难，I,F,G,O皆由全连接层训练得来，其中
G是短期记忆信息，它在普通RNN计算公式中也出现过
短期记忆G会通过一个input gate门，这个门由I决定，i的值在[0,1]之间，I越大，G被保存下来的信息越多。
C是长期记忆信息，因为Ct的计算公式中包含了Ct-1。
长期记忆C会通过一个forget gate门，这个门由F决定，F的值也在[0,1]之间，F越大，长期记忆被保存下来的越多。
假如对于当前状态，短期记忆比长期更重要，那么就会把F系数调低，反过来一样。
然后O代表输出门，综合信息上面可以得到最终结果yt和ht

由于LSTM训练了4个全连接层，所以它的参数多很复杂，因此设计出了简化版GRU

GRU

GRU与LSTM三个区别：
1.砍掉了输入信息Ct，
2.因为Rt是经过全连接层后的信息，所以他是两层结构，
3.因为它砍掉了一个全连接层所以参数少，速度比lstm快

双向循环神经网络

由于有的时候我们想理解前面的句子意思，就要知道后面的句子是什么，所以就有了双向循环神经网络，可以从前往后，从后往前的两个角度去理解句子语义

RNN的其他信息

RNN不能用relu去做激活函数：因为它本身是同样的参数走了很多层，他不是每一层不同的参数，如果是后者，你可能会担心梯度会弥散，梯度消失，训练停止，但现实情况是前者，对于RNN而言，梯度爆炸是更重要的问题，以及梯度不稳定问题，即前一个输入导致它上升，后一个输入导致它下降，解决不稳定的问题方法有很多：dropout，BN等。
其中BN可以在某个输出层，去把各个样本的均值和方差固定在一个小的范围内在输出到下一层，这会导致参数幅度变化相对稳定，这有助于稳定性。
BN工作方式：我的batch有1000个句子，我对所有句子中的第一个词进行标准化，它是样本层面的标准化
相对应的LN的工作方式：它是层层面的标准化，对应于每个样本本身从第一个词到最后一个词的标准化。