Machine learningDeep learning / NLP / CV
循环神经网络
循环神经网络（Recurrent Neural Network, RNN）是一种旨在通过维护一个在时间步之间传递信息的隐藏状态来处理序列数据的神经网络。其现代形式由Rumelhart等人于1986年提出，并由Elman于1990年进一步完善。在基于注意力机制的模型兴起之前，RNN曾是自然语言处理、语音识别和时间序列分析中序列建模的主导架构。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/zh/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.
- [需翻译标题：BERT-based Classification...]深度学习↔ compare
- 门控循环单元 (GRU)深度学习↔ compare
- 长短期记忆网络（LSTM）深度学习↔ compare
被引用于
[需翻译标题：BERT-based Classification...]深度强化学习域自适应循环神经网络回声状态网络可解释循环神经网络微调门控循环单元 (Fine-Tuned GRU)微调循环神经网络微调 Word2Vec (Fine-Tuned Word2Vec)门控循环单元 (GRU)图注意力网络长短期记忆网络（LSTM）多层感知机 (MLP)多层感知机 (MLP)多语言循环神经网络多模态循环神经网络Neural ODE强化学习自监督Word2Vec主题建模循环神经网络迁移学习基于Word2Vec的迁移学习小波神经网络弱监督门控循环单元 (Weakly Supervised GRU)弱监督 LSTM弱监督循环神经网络