读入一段序列
从真实序列中取连续时间窗口。网络逐点读入数值，尝试从历史变化中预测下一个点。
交互式教学 / 演示 03
让网络沿时间展开。
输入一段序列，观察循环隐藏状态如何传递，并尝试预测下一时刻。
训练轮次0
训练损失0.00000
验证损失0.00000
目标值 xt0.000
模型预测 x̂t0.000
预测误差 x̂t − xt0.000
SEQUENCE
完整序列 · 逐步预测
真实序列下一步预测验证区间
每一步以 xt−1 与历史状态预测 xt；验证区间位于训练序列之后。改变参数或时序会重新初始化模型。
UNROLL THROUGH TIME
循环单元展开
HIDDEN STATE
这一时刻的隐藏状态
xt−1 = ；ht−1 = [
同一组权重在每个时间步重复使用；当前任务以均方误差预测序列下一点。
LEARNING CURVE
误差随训练变化
训练验证
每一轮将预测误差沿时间反向传播，更新输入、循环和输出权重。
沿着时间，看见循环网络的记忆
实验使用一维模拟地学序列，集中观察：过去的信息怎样进入当前状态，当前状态怎样影响下一步预测。
更新循环状态
每一步都合并当前输入与上一时刻隐藏状态，经 tanh 更新 ht。各步共享同一组循环权重。
沿时间反向传播
单步训练会走完一个训练轮次。模型计算所有窗口的预测误差，再按反向时间顺序累积梯度。