Réseau Neuronal Récurrent
Définition du réseau neuronal récurrent
Les réseaux neuronaux récurrents peuvent être considérés comme trouvant des modèles dans des données de séries chronologiques et les utilisant pour prédire l’avenir. Son entrée neuronale nécessite non seulement les données du moment actuel, mais également les résultats de sortie du moment précédent. Le neurone renvoie les résultats de sortie à l'extrémité d'entrée, et ainsi de suite. Dans la dimension temporelle, elle est développée comme le montre la figure suivante :
À l’heure actuelle, les réseaux neuronaux récurrents sont largement utilisés dans le traitement du langage naturel, principalement la reconnaissance vocale et les modèles linguistiques. Parmi eux, la reconnaissance de l’écriture manuscrite est le premier résultat de recherche ayant utilisé avec succès le RNN.
Caractéristiques des réseaux neuronaux récurrents
Le réseau neuronal récurrent (RNN) utilise le concept de boucle dirigée, qui peut être utilisé pour traiter le problème de la connexion entre les entrées. La structure de la boucle dirigée est illustrée dans la figure ci-dessous :
Comparé au réseau neuronal à propagation directe FNN, le réseau neuronal récurrent est plus cohérent avec la structure du réseau neuronal biologique.
Applications des réseaux neuronaux récurrents
Dans le domaine du traitement du langage naturel, comme l'expression vectorielle de mots, la vérification de la validité des phrases, l'étiquetage des mots, etc., les réseaux neuronaux récurrents connaissent du succès, parmi lesquels le modèle le plus largement utilisé est le modèle LSTM (Long Short-Term Memory). Actuellement, les réseaux neuronaux récurrents sont principalement utilisés dans les aspects suivants :
- Modélisation du langage et génération de texte
- Traduction automatique
- Reconnaissance vocale
- Génération de descriptions d'images
Liens de référence :
1.https://zh.wikipedia.org/wiki/Réseaux neuronaux récurrents