Deep Learning avec Keras et TensorFlow

284

Chapitre 7. Traitement des séries avec des RNR et des CNN

d’addition, l’état à long terme est copié et soumis à la fonction tanh, dont le résultat

est ltré par la porte de sortie (output gate). On obtient alors l’état à court terme h

(t)

,

qui est égal à la sortie de la cellule pour l’étape temporelle y

(t)

. Voyons d’où pro-

viennent les nouvelles informations et comment fonctionnent les portes.

Premièrement, le vecteur d’entrée courant x

(t)

et l’état à court terme précédent

h

(t–1)

sont fournis à quatre couches intégralement connectées, ayant toutes un objectif

différent :

•

La couche principale génère g

(t)

: elle joue le rôle habituel d’analyse ...