递归神经网络 (RNN) 是一种人工神经网络,该网络具有可以更好识别数据模式的记忆或反馈回路。RNN 是常规人工神经网络的延伸,其增加了向自身回馈神经网络隐藏层的连接,即循环连接。循环连接不仅可让递归网络显示所获得的当前数据样本,而且还会显示之前的隐藏状态。具有反馈回路的递归网络能够可视化为多个神经网络副本,并将一个副本的输出用作下一个副本的输入。与传统的神经网络不同,递归网络借助对过往事件的了解来处理输入向量,而非每次都从头开始。
RNN 在处理数据序列以决定分类或进行回归估算时尤为有用,不过其也可用于非序列数据。递归神经网络通常用于处理与时间序列数据相关的任务。递归神经网络的应用包括自然语言处理、语音识别、机器翻译、字符级语言建模、图像分类、图像说明、股市预测以及金融工程。我们可以教 RNN 学习和理解单词序列。此外,RNN 还可用于生成各种序列来模拟莎士比亚、Linux 源代码以及婴儿名字等各类内容。