Artificial intelligence 如何评估人工神经网络中的循环连接？

我只是不明白如何计算神经网络的输出，它包含一个循环连接

下面是一个例子（我还不能发布图片）：

（i_1,2是输入值，w_1,2,3，r是连接权重，o_1是输出值。）

为了简单起见，假设没有激活或传递函数。 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，输出计算如下

o_1=(w_1*i_1+w_2*i_2)*w_3

但是，当考虑红色连接时，情况如何？是吗

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？但那只是我的猜测

---

提前感谢。

递归神经网络（RNN）是一类人工神经网络，单元之间的连接形成一个有向循环。与前馈神经网络不同，RNN可以使用其内部存储器处理任意输入序列

在我看来，这似乎是：

o_1=(w_1*i_1+w_2*i_2)*w_r*w_3

---

注意：如果这是家庭作业，请注意。

RNN不是普通网络。通常的网络没有时间，但RNN有时间。数字化信号进入网络输入端。例如，对于

i_1

我们没有一个值，但是信号

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，需要使用以下递归公式：

o[t]=w_1*i_1[t]+w_2*i_2[t])+o[t-1]*w_r

您可以看到这里的

o[t-1]

这意味着在一个时间单位的延迟

---

说到递归神经网络，你可能会发现许多使用它的例子。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：

这不是家庭作业。我只是在修补神经网络，目前我正在尝试实现NEAT。