شبکه عصبی بازگشتی
یک شبکه عصبی بازگشتی (RNN) دستهای از شبکههای عصبی است که برای پردازش دادههای ترتیبی با حفظ یک حالت پنهان طراحی شده است که اطلاعات را در طول گامهای زمانی منتقل میکند. این شبکهها در شکل مدرن خود توسط روملهارت و همکاران (1986) معرفی شدند و سپس توسط المن (1990) توسعه یافتند. RNNها قبل از ظهور مدلهای مبتنی بر توجه، معماری غالب برای مدلسازی توالی در پردازش زبان طبیعی (NLP)، گفتار و تحلیل سریهای زمانی بودند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- واحد تکرارشونده گیتدار (GRU)یادگیری عمیق↔ compare
- حافظه طولانی کوتاهمدت (LSTM)یادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →