Rekurencyjna Sieć Neuronowa
Rekurencyjna Sieć Neuronowa (RNN) to klasa sieci neuronowych zaprojektowanych do przetwarzania danych sekwencyjnych poprzez utrzymywanie ukrytego stanu, który przenosi informacje między krokami czasowymi. Wprowadzone w swojej nowoczesnej formie przez Rumelharta i in. (1986) oraz dalej rozwinięte przez Elmana (1990), RNN stały się dominującą architekturą do modelowania sekwencji w NLP, mowie i analizie szeregów czasowych przed pojawieniem się modeli opartych na mechanizmach uwagi.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Gated Recurrent Unit (GRU)Uczenie głębokie↔ compare
- Długa pamięć krótkotrwała (LSTM)Uczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →