Die konnektionistische zeitliche Klassifizierung (CTC) ist eine Verlustfunktion und Modellierungsmethode, die häufig bei Sequenz-zu-Sequenz-Lernaufgaben eingesetzt wird, insbesondere in Szenarien, in denen die Längen der Eingabe- und Ausgabesequenz inkonsistent sind und die Ausrichtungsbeziehung unbekannt ist. Diese Methode wurde erstmals 2006 vorgeschlagen und findet breite Anwendung in der Spracherkennung, Handschrifterkennung, Aktionserkennung und anderen Bereichen.

Das Hauptziel von CTC besteht darin, ein neuronales Netzwerkmodell so zu trainieren, dass es eine Labelsequenz ausgibt, die mit der Eingabesequenz übereinstimmt, ohne dass eine explizite Ausrichtung zwischen Eingabe- und Ausgabesequenz erforderlich ist. Durch die Einführung leerer Labels und dynamischer Programmieralgorithmen wird die Ausrichtungsbeziehung zwischen Eingabesequenz und Ausgabelabel automatisch erlernt, um eine durchgängige Sequenzmodellierung zu erreichen.