前言

一、RNN

1.时间序列问题描述

时间序列数据是以一定有规律的时间间隔，从而在每个时间段产生一系列相应数据。时间序列的相应问题（这里主要将时序问题预测）是根据前n时刻的数据，从此预测后面时刻的数据。

这里给出一段时间序列数据，实际上该数据是tensorflow官方时间序列问题的数据集。
可以看到最左侧一列是以10分钟为间隔的时序数据。每一行我们这里姑且称之为一个样本。每一列（除时间列外）我们称之为特征。
以第一行为例，该样本含有14个特征（未完全显示），包括P,T,Tpot等等。。。

2.DNN（深度神经网络）介绍

在介绍循环神经网络之前，有必要介绍以下深度神经网络。那么我们从最简单的网络开始：

2.1感知器

上图所示的感知器网络在次详细解释：
最右侧的x1,x2…,xn就是一个样本的n个特征。
w1,w2,…,wn则是权重系数.
上图计算公示为：
$\Sigma =x1\ast w1+x2\ast w2+...+xn\ast wn+$