详细内容或原文请订阅后点击阅览
什么是循环神经网络 (RNN)？
为什么重要：循环神经网络 (RNN) 是一种人工神经网络，旨在通过维持内部状态来处理序列数据。
来源:人工智能+简介
简介循环神经网络 (RNN) 的设计本质上适合分析数据序列，例如基因组、时间序列、文本甚至手写。在工业界，它们用于处理来自股票市场或传感器的顺序数据，而在数字世界中，它们为语言建模、语言翻译、文本生成、语音识别、视频标记和图像描述生成等应用提供支持。
RNN 的一个定义特征是其内部存储器，由循环单元支持，这些单元捕获来自先前时间步骤的信息，有效地将过去的输入纳入当前和未来的计算。与前馈网络不同，循环网络利用来自先前输入的信息，使其特别适合处理顺序数据。
无论是单输入、单输出还是多输出，RNN 都能有效地处理不同的配置和任务性质，无论是预测未来输入还是对输入序列进行分类。
众所周知，在使用长序列进行训练时，RNN 会出现梯度消失和梯度爆炸等问题。这些问题在一定程度上可以通过 RNN 变体得到缓解，例如长短期记忆 (LSTM) 和门控循环单元 (GRU) 网络，它们引入了门控机制来更好地管理信息流。
什么是循环神经网络？
什么是循环神经网络？循环神经网络是一类人工神经网络，旨在识别数据序列中的模式，例如文本、基因组、手写或口语。它们之所以被称为“循环”，是因为它们对序列中的每个元素执行相同的任务，输出取决于之前的计算。这与独立处理输入的传统神经网络不同。