โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)
โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN) เป็นชั้นของโครงข่ายประสาทเทียมที่ออกแบบมาเพื่อประมวลผลข้อมูลลำดับโดยการรักษา 'สถานะซ่อนเร้น' (hidden state) ซึ่งเก็บข้อมูลข้ามช่วงเวลา (time steps) RNN ในรูปแบบปัจจุบันถูกนำเสนอครั้งแรกโดย Rumelhart et al. (1986) และได้รับการพัฒนาต่อโดย Elman (1990) ทำให้ RNN กลายเป็นสถาปัตยกรรมหลักสำหรับการสร้างแบบจำลองลำดับในงานประมวลผลภาษาธรรมชาติ (NLP), การรู้จำเสียงพูด และการวิเคราะห์อนุกรมเวลา ก่อนที่จะมีการพัฒนาแบบจำลองที่ใช้กลไกการใส่ใจ (attention-based models) ขึ้นมา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/th/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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- หน่วยความจำแบบวนซ้ำแบบมีประตู (Gated Recurrent Unit - GRU)การเรียนรู้เชิงลึก↔ compare
- หน่วยความจำระยะสั้นแบบยาว (LSTM)การเรียนรู้เชิงลึก↔ compare