ScholarGate
Trợ lý
Machine learningDeep learning / NLP / CV

Mạng nơ-ron hồi quy

Mạng nơ-ron hồi quy (RNN) là một lớp mạng nơ-ron được thiết kế để xử lý dữ liệu tuần tự bằng cách duy trì một trạng thái ẩn mang thông tin qua các bước thời gian. Được giới thiệu dưới dạng hiện đại bởi Rumelhart et al. (1986) và được định hình thêm bởi Elman (1990), RNN đã trở thành kiến trúc thống trị cho việc mô hình hóa chuỗi trong NLP, giọng nói và phân tích chuỗi thời gian trước sự trỗi dậy của các mô hình dựa trên cơ chế chú ý.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

The neighbourhood of related methods — select a node to explore.

+15 more

Nguồn tài liệu

  1. Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211. DOI: 10.1207/s15516709cog1402_1
  2. 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

Cách trích dẫn trang này

ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/vi/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.

Compare side by side

Được tham chiếu bởi

ScholarGateRecurrent Neural Network (Recurrent Neural Network (RNN)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/deep-learning/recurrent-neural-network · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026