循环神经网络 RNN

循环神经网络(Recurrent Neural Network,简称 RNN)是一种适合于处理序列数据的人工神经网络。它由 Michael I. Jordan 在 1986 年提出概念,并由 Jeffrey L. Elman 在 1990 年进行了简化,形成了现在包含单个自连接节点的 RNN 模型 。 RNN 通过其独特的内部环状连接,能够将信息在网络中循环传递,实现对序列信息的存储和处理。

RNN 的工作原理是通过隐藏层的状态来存储之前时间步的信息,使得网络的输出依赖于当前的输入和之前的状态。这种设计让 RNN 在处理诸如文本、语音以及视频等序列型数据时,能够考虑到数据的时间序列特性 。