Machine learning 递归神经网络（Elman网络）。上下文到隐藏/隐藏到上下文层权重需要更新？

我刚刚开始研究递归神经网络。我在Elman的网络上找到了三个信息来源（Elman 1991）

（示例和代码）

（论文）

（问答）

根据第一个资源，从隐藏到上下文/上下文到隐藏层的权重不会更新

在第二个资源中，它还将这些更新设置为0，这意味着它不更新权重

但是从Stackoverflow上的第三个资源中，用户声称“上下文神经元值本身不会随着训练的进行而更新。它们与下一层之间的权重在训练过程中更新。”

---

我知道上下文神经元在时间t保存隐藏神经元的值，并在时间t+1将其（连同输入神经元）馈送给隐藏神经元。但是我们必须更新这两个问题之间的权重吗？

我不确定这个问题是否仍然重要，但以下是我的解释：

从隐藏层到上下文层的权重固定为1。这些不会得到更新

但是，从上下文层返回到隐藏层的权重将得到更新。否则，网络将如何学习如何处理过去的价值观？如果它们不会更改，那么初始化它们的正确值是什么？当然不是1

---

上下文神经元的值将在训练期间更新。不是通过使用某种sigmoid函数，而是简单地复制隐藏层的值

在CrossValidated有更好的机会得到好的答案：谢谢，我会把我的问题贴在那里