Αναδρομικό Νευρωνικό Δίκτυο
Ένα Αναδρομικό Νευρωνικό Δίκτυο (RNN) είναι μια κατηγορία νευρωνικών δικτύων σχεδιασμένων να επεξεργάζονται ακολουθιακά δεδομένα διατηρώντας μια κρυφή κατάσταση που μεταφέρει πληροφορίες μεταξύ χρονικών βημάτων. Εισαχθέν στην σύγχρονη μορφή του από τους Rumelhart et al. (1986) και διαμορφωμένο περαιτέρω από τον Elman (1990), τα RNNs έγιναν η κυρίαρχη αρχιτεκτονική για τη μοντελοποίηση ακολουθιών στην Επεξεργασία Φυσικής Γλώσσας (NLP), την ομιλία και την ανάλυση χρονοσειρών πριν από την άνοδο των μοντέλων που βασίζονται στην προσοχή.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/el/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.
- Ταξινόμηση Βασισμένη σε BERTΒαθιά Μάθηση↔ compare
- Επαναλαμβανόμενη Μονάδα με Πύλες (GRU)Βαθιά Μάθηση↔ compare
- Μνήμη Μακράς Βραχείας Διάρκειας (LSTM)Βαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →