Reti neurali ricorrenti
Una rete neurale ricorrente (RNN) è una classe di reti neurali progettata per elaborare dati sequenziali mantenendo uno stato nascosto che trasporta informazioni attraverso i passi temporali. Introdotte nella loro forma moderna da Rumelhart et al. (1986) e ulteriormente modellate da Elman (1990), le RNN sono diventate l'architettura dominante per la modellazione di sequenze in NLP, voce e analisi di serie temporali prima dell'ascesa dei modelli basati sull'attenzione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Unità Ricorrente con Gate (GRU)Apprendimento profondo↔ compare
- Long Short-Term Memory (LSTM)Apprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →