Réseau de neurones récurrent
Un réseau de neurones récurrent (RNN) est une classe de réseau de neurones conçue pour traiter des données séquentielles en maintenant un état caché qui transporte des informations à travers les étapes temporelles. Introduits sous leur forme moderne par Rumelhart et al. (1986) et façonnés par Elman (1990), les RNN sont devenus l'architecture dominante pour la modélisation de séquences en NLP, parole et analyse de séries temporelles avant l'essor des modèles basés sur l'attention.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/fr/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.
- Classification basée sur BERTApprentissage profond↔ compare
- Unité récurrente "gated" (GRU)Apprentissage profond↔ compare
- Long Short-Term Memory (LSTM)Apprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →