Rekurrentti neuroverkko
Rekurrentti neuroverkko (RNN) on neuroverkkojen luokka, joka on suunniteltu käsittelemään sekventiaalista dataa ylläpitämällä piilotilaa, joka välittää tietoa aikasteppien yli. Rumelhart et al. (1986) esittelivät sen modernissa muodossa ja Elman (1990) muokkasi sitä edelleen. RNN:istä tuli hallitseva arkkitehtuuri sekvenssimallinnuksessa luonnollisen kielen käsittelyssä (NLP), puheessa ja aikasarja-analyysissä ennen huomiopohjaisten mallien nousua.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/fi/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.
- BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Gated Recurrent Unit (GRU)Syväoppiminen↔ compare
- Pitkä lyhytkestoinen muisti (LSTM)Syväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →