RNN 面试题详解及详细答案.docxVIP

RNN面试题详解及详细答案

一、基础概念类

1.什么是RNN？它和传统神经网络的核心区别是什么？

答案：RNN（RecurrentNeuralNetwork，循环神经网络）是一类专门处理序列数据的神经网络，核心特点是引入了“循环连接”——隐藏层的输出会反馈到自身，使得网络能利用历史信息处理当前输入。传统神经网络（如CNN、全连接网络）的输入是独立的，无法捕捉数据的时序依赖（比如文本中的上下文、时间序列的前后关联），而RNN通过“记忆”历史状态，天然适配序列数据的处理需求。

简单理解：传统神经网络像“一次性读取”数据，RNN像“逐字阅读文章”，每读一个字都会结合之前的理解继续分析。

2.RNN的基本结构包含哪些部分？请描述其前向传播过程。

答案：RNN的基本结构包括输入层、隐藏层、输出层，以及隐藏层之间的循环连接（核心）。关键参数有：输入到隐藏层的权重矩阵Wxh，隐藏层到自身的权重矩阵Whh，隐藏层到输出层的权重矩阵Why，还有隐藏层偏置bh和输出层偏置by。

前向传播过程（以时序步t为例）：

1. 接收当前时刻输入xt（如文本中的第t个词向量）和上一时刻隐藏状态ht-1（初始时刻ht-1通常设为全0向量）；

2. 计算当前隐藏状态：ht=tanh(Wxh・xt+Whh・ht-1+bh)（tanh为