在RNN-Research-Journal这一在线期刊中，我记录了关于我的RNN独立研究课程的进度以及所使用的资源，该课程的MATLAB代码已运行了12个小时

matlab代码跑了12小时RNN研究杂志 我的RNN独立研究课程的在线期刊。 记录我的进度和我使用的资源。 目录 目标 该项目的目标按相对顺序排列： 学习成果 了解神经网络及其应用。 了解如何将Theano框架用于python来构建神经网络。 了解递归神经网络（RNN）的工作方式。 了解如何使用递归神经网络生成清晰的文本。 了解如何优化RNN性能。 编码里程碑 建立一个通过随机梯度下降“学习”的神经元。 构建一个没有隐藏层的简单分类神经网络。 用隐藏层构建一个简单的分类神经网络。 构建用于文本生成的单层“香草” RNN。 使用GRU单元构建单层RNN，以记住长期依赖关系。 优化先前构建的RNN以进行更快的训练。 在优化的RNN中实现单词嵌入。 在优化的RNN中使用单词嵌入实现多个隐藏层，以实现更好的性能。 生成“ Terry”-一个RNN，输出希望使之有意义的短文本尺寸的文本。 如果时间允许，请优化Terry以获得更好的性能。 其他 在“学生学者日”上展示海报或演示文稿。 日志 2017年1月9日 开始研究期刊。 在隐藏层中使用GRU单元训练RNN。 预期培训时间：〜40小时。 仍然