• 关于RNN结构
• 关于RNN前向传播
• 关于RNN反向传播
• 解决方法
1. 关于RNN结构
循环神经网络RNN（Recurrent Neural Network）是用于处理序列数据的一种神经网络，已经在自然语言处理中被广泛应用。下图为经典RNN结构：
RNN结构
2. 关于RNN前向传播
RNN前向传导公式：
其中: St : t 时刻的隐含层状态值
Ot : t 时刻的输出值
① 是隐含层计算公式，U是输入x的权重矩阵，W是时刻t-1的状态值
St-1作为输入的权重矩阵，Φ是激活函数。
② 是输出层计算公式，V是输出层的权重矩阵，f是激活函数。
损失函数（loss function）采用交叉熵
（ Ot 是t时刻预测输出， 
是 t 时刻正确的输出）
那么对于一次训练任务中，损失函数：
， T 是序列总长度。
假设初始状态St为0，t=3 有三段时间序列时，由 ① 带入②可得到
t1、t2、t3 各个状态和输出
3. 关于RNN反向传播
BPTT（back-propagation through time）算法是针对循层的训练算法，它的基本原理和BP算法一样。其算法本质还是梯度下降法，那么该算法的关键就是计算各个参数的梯度，对于RNN来说参数有 U、W、V。
反向传播
可以简写成：
观察③④⑤式，可知，对于 V 求偏导不存在依赖问题；但是对于 W、U 求偏导的时候，由于时间序列长度，存在长期依赖的情况。主要原因可由 t=1、2、3 的情况观察得 , St会随着时间序列向前传播，同时St是 U、W 的函数。
前面得出的求偏导公式⑥，取其中累乘的部分出来，其中激活函数 Φ 通常是：tanh 则
由上图可知当激活函数是tanh函数时，tanh函数的导数最大值为1，又不可能一直都取1这种情况,而且这种情况很少出现，那么也就是说，大部分都是小于1的数在做累乘，若当t很大的时候，
趋向0，举个例子：0.850=0.00001427247也已经接近0了，这是RNN中梯度消失的原因。
再看⑦部分：
tanh’，还需要网络参数 W ，如果参数 W 中的值太大，随着序列长度同样存在长期依赖的情况，那么产生问题就是梯度爆炸，而不是梯度消失了，在平时运用中，RNN比较深，使得梯度爆炸或者梯度消失问题会比较明显。
4. 解决方法
面对梯度消失问题，可以采用ReLu作为激活函数，下图为ReLu函数
ReLU函数在定义域大于0部分的导数恒等于1，这样可以解决梯度消失的问题，（虽然恒等于1很容易发生梯度爆炸的情况，但可通过设置适当的阈值可解决）。
另外计算方便，计算速度快，可以加速网络训练。但是，定义域负数部分恒等于零，这样会造成神经元无法激活（可通过合理设置学习率，降低发生的概率）。
ReLU有优点也有缺点，其中的缺点可以通过其他操作取避免或者减低发生的概率，是目前使用最多的激活函数。
还可以通过更改内部结构来解决梯度消失和梯度爆炸问题，那就是LSTM了～！
知乎原文链接 ：
https://zhuanlan.zhihu.com/p/53405950
