Rekurentní neuronová síť
Rekurentní neuronová síť (RNN) je třída neuronových sítí navržená pro zpracování sekvenčních dat udržováním skrytého stavu, který přenáší informace napříč časovými kroky. V moderní podobě ji představili Rumelhart et al. (1986) a dále ji formovali Elman (1990). RNN se staly dominantní architekturou pro modelování sekvencí v oblasti zpracování přirozeného jazyka (NLP), řeči a analýzy časových řad před nástupem modelů založených na pozornosti.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Zdroje
- Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211. DOI: 10.1207/s15516709cog1402_1 ↗
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536. DOI: 10.1038/323533a0 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/cs/deep-learning/recurrent-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Klasifikace založená na BERTHluboké učení↔ compare
- Gated Recurrent Unit (GRU)Hluboké učení↔ compare
- Dlouhodobá krátkodobá paměť (LSTM)Hluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →