Рекурентна нейронна мережа
Рекурентна нейронна мережа (RNN) — це клас нейронних мереж, розроблений для обробки послідовних даних шляхом підтримки прихованого стану, який несе інформацію через часові кроки. Представлені у своїй сучасній формі Румельхартом та ін. (1986) і далі сформовані Елманом (1990), RNN стали домінуючою архітектурою для моделювання послідовностей у NLP, обробці мовлення та аналізі часових рядів до появи моделей на основі механізму уваги.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/uk/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.
- Класифікація на основі BERTГлибоке навчання↔ compare
- Блокований рекурентний блок (GRU)Глибоке навчання↔ compare
- Довга короткострокова пам'ять (LSTM)Глибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →