Sto cercando di definire il mio RNNCell (Echo State Network) a Tensorflow, secondo la definizione di seguito.Come posso implementare un RNN personalizzato (in particolare un ESN) in Tensorflow?
x (t + 1) = tanh (Win * u (t) + W x * (t) + WFB * y (t))
y (t) = Wout * z (t)
z (t) = [x (t), u (t)]
x è stato, u è ingresso, y è l'uscita. Win, W e Wfb non sono addestrabili. Tutti i pesi vengono inizializzati in modo casuale, ma W viene modificata in questo modo: ". Impostare una certa percentuale di elementi di W a 0, scala W per mantenere il suo raggio spettrale di sotto di 1,0
Ho questo codice per generare l'equazione
x = tf.Variable(tf.reshape(tf.zeros([N]), [-1, N]), trainable=False, name="state_vector")
W = tf.Variable(tf.random_normal([N, N], 0.0, 0.05), trainable=False)
# TODO: setup W according to the ESN paper
W_x = tf.matmul(x, W)
u = tf.placeholder("float", [None, K], name="input_vector")
W_in = tf.Variable(tf.random_normal([K, N], 0.0, 0.05), trainable=False)
W_in_u = tf.matmul(u, W_in)
z = tf.concat(1, [x, u])
W_out = tf.Variable(tf.random_normal([K + N, L], 0.0, 0.05))
y = tf.matmul(z, W_out)
W_fb = tf.Variable(tf.random_normal([L, N], 0.0, 0.05), trainable=False)
W_fb_y = tf.matmul(y, W_fb)
x_next = tf.tanh(W_in_u + W_x + W_fb_y)
y_ = tf.placeholder("float", [None, L], name="train_output")
il mio problema è duplice. in primo luogo non so come implementare questo come una superclasse di RNNCell. in secondo luogo io non so come generare un tensore W in base alle specifiche di cui sopra.
Qualsiasi aiuto su ognuna di queste domande è molto apprezzato, forse riesco a trovare un modo per preparare W, ma di sicuro non capisco come implementare il mio RNN come una superclasse di RNNCell.