递归神经网络简介
在本文中，我们将介绍神经网络的一种新的变体，即递归神经网络，也称为 （RNN），当数据是连续的时，如时间序列数据和文本数据，它比简单的神经网络效果更好。
什么是递归神经网络 （RNN）？
循环神经网络 （RNN） 是一种神经网络，其中上一步的输出作为当前步骤的输入。在传统神经网络中，所有输入和输出都是相互独立的。尽管如此，在需要预测句子的下一个单词的情况下，需要前面的单词，因此需要记住前面的单词。因此，RNN 应运而生，它在 Hidden Layer 的帮助下解决了这个问题。RNN 的主要和最重要的功能是它的 Hidden 状态，它会记住有关序列的一些信息。该状态也称为 Memory State，因为它会记住网络上的先前输入。它对每个输入使用相同的参数，因为它对所有输入或隐藏层执行相同的任务以生成输出。与其他神经网络不同，这降低了参数的复杂性。
递归神经网络
RNN 与前馈神经网络有何不同？
没有循环节点的人工神经网络称为前馈神经网络。因为所有信息都只是向前传递的，所以这种神经网络也称为多层神经网络。
信息在前馈神经网络中单向地从输入层移动到输出层（如果存在任何隐藏层）。这些网络适用于图像分类任务，例如，输入和输出是独立的。然而，它们无法保留以前的输入会自动使它们对顺序数据分析的用处降低。
递归与前馈网络
循环神经元和 RNN 展开
递归神经网络 （RNN） 中的基本处理单元是递归单元，它没有明确称为“递归神经元”。该单元具有保持隐藏状态的独特能力，允许网络在处理时通过记住之前的输入来捕获顺序依赖关系。长短期记忆 （LSTM） 和门控循环单元 （GRU） 版本提高了 RNN 处理长期依赖关系的能力
。
Recurrent Neuron
RNN 展开
RNN 的类型
根据网络中的输入和输出数量，有四种类型的 RNN。
- 一对一
- 一对多
- 多对一
- 多对多
一对一
这种类型的
