La classification temporelle connexionniste (CTC) est une fonction de perte et une méthode de modélisation largement utilisée dans les tâches d'apprentissage de séquence à séquence, notamment lorsque les longueurs des séquences d'entrée et de sortie sont incohérentes et que la relation d'alignement est inconnue. Proposée pour la première fois en 2006, cette méthode a été largement utilisée en reconnaissance vocale, en reconnaissance d'écriture manuscrite, en reconnaissance d'actions et dans d'autres domaines.

L'objectif principal du CTC est d'entraîner un modèle de réseau neuronal à générer une séquence d'étiquettes alignée sur la séquence d'entrée, sans alignement explicite entre ces dernières. Grâce à l'introduction d'étiquettes vides et d'algorithmes de programmation dynamique, la relation d'alignement entre la séquence d'entrée et l'étiquette de sortie est automatiquement apprise, permettant ainsi une modélisation de séquence de bout en bout.