Rekurentna neuronska mreža
Rekurentna neuronska mreža (RNN) je klasa neuronskih mreža dizajniranih za obradu sekvencijalnih podataka održavanjem skrivenog stanja koje prenosi informacije kroz vremenske korake. U svom modernom obliku predstavljena od strane Rumelharta i suradnika (1986.) i dalje oblikovana od strane Elmana (1990.), RNN-ovi su postali dominantna arhitektura za modeliranje sekvencija u NLP-u, govoru i analizi vremenskih serija prije pojave modela temeljenih na pažnji.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/hr/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-tem klasifikacijaDuboko učenje↔ compare
- Gated Recurrent Unit (GRU)Duboko učenje↔ compare
- Dugo kratkoročno pamćenje (LSTM)Duboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →