返回信息流最近在看NN，说RNN是考虑了时序，把之前的输出也作为下层的输入考虑。
然后每层使用相同的参数，那不就是function各层相同了么
有点疑惑，这里为什么不和普通DNN一样，各层参数为什么要求相同？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #25205同步于 2017/8/7
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
请教RNN方法问题
laohanzzz
2017/8/7镜像同步5 回复
订阅后，新回复会通过你的通知中心匿名送达。
5 条回复
RNN de quanzhong gongxiang zhide shi: jiu zhe yiceng de yige shenjingyuan laishuo, yiqian de xunhuan he xinshuru de quanzhong shi yiyang de
shafa shuo de dui，danshibuzhunque，ying gai shuo bushi yaoqiu xiangtong, ershi benlaijiushi tongyiceng zhishibazijizai shijian shang zhankaile.
发自「贵邮」
功能相同，输入不同啊，输入包括了上一层的筛选信息以及当前层的输入。RNN 隐层包含上层的信息的（循环来看，就是所有之前的隐层信息），所以他就是一个unit，接受输入和上层信息，维持信息，参数自然就是一个。
意思就是：其实只有这一层，由于时序的不断输入，输出也再进来影响。所以不存在实际的多层，也就没有其他层参数不同的说法了。这样理解对嘛？
【 在 clinjie (clinjie) 的大作中提到: 】
: 功能相同，输入不同啊，输入包括了上一层的筛选信息以及当前层的输入。RNN 隐层包含上层的信息的（循环来看，就是所有之前的隐层信息），所以他就是一个unit，接受输入和上层信息，维持信息，参数自然就是一个。
通过『我邮2.0』发布
【 在 laohanzzz 的大作中提到: 】
: 意思就是：其实只有这一层，由于时序的不断输入，输出也再进来影响。所以不存在实际的多层，也就没有其他层参数不同的说法了。这样理解对嘛？
:
: 通过『我邮2.0』发布
我认为是这样的