Python tensorflow递归单元中的束缚权重

在完全连接的自动编码器的上下文中，一种正则化是对权重矩阵使用绑定权重（本文第2节）。在本文中，解码器的权重矩阵是编码器的编码矩阵的转置。在tensorflow中对此的伪python编写可以是：

 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，输入_数据为占位符，b_*为偏差，W_编码器为编码器的绑定权重矩阵。给出的形状不会出现维数问题

我的问题是，我将如何使用带有Tensorflow递归单元的绑定权重矩阵，而不是完全连接（使其成为递归自动编码器）？如果可能的话，我们非常欣赏对主要思想的伪python/代码提示。我不太熟悉rnn单元的内部工作原理。考虑最基本的单元，使这更容易说明。 多谢各位