Rede Neural Recorrente
Uma Rede Neural Recorrente (RNN) é uma classe de rede neural projetada para processar dados sequenciais, mantendo um estado oculto que carrega informações através dos passos de tempo. Introduzidas em sua forma moderna por Rumelhart et al. (1986) e moldadas posteriormente por Elman (1990), as RNNs tornaram-se a arquitetura dominante para modelagem de sequências em PLN, fala e análise de séries temporais antes do surgimento de modelos baseados em atenção.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Unidade Recorrente Gated (GRU)Aprendizado profundo↔ compare
- Long Short-Term Memory (LSTM)Aprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →