什么是递归神经网络 (RNN)？

根据维基百科，递归神经网络 (RNN)是一类人工神经网络，其中单元之间的连接沿序列形成有向图。这允许它显示时间序列的动态时间行为。与前馈神经网络不同，RNNS 可以使用它们的内部状态 (存储器)来处理输入序列。这使得它们可应用于诸如未分段的、连接的手写识别或语音识别的任务。

当任何模型需要上下文以便能够基于输入提供输出时，递归神经网络进入图像。

有时，上下文是用于预测最适当输出的模型。

让我们用一个类比来理解这一点。假设你正在看电影，你一直看电影就像在任何时间点，你有这样的情景，因为你已经看过这部电影了，直到那个时候，只有你才能正确地把所有的东西都联系起来。这意味着你还记得你所看到的一切。

假设你必须在给定句子中预测下一个单词，在这种情况下，所有前面的单词之间的关系有助于预测更好的输出。在其它神经网络中，所有输入彼此独立。但是在 RNN 中，所有的输入都彼此相关。同样，RNN 还记得一切。RNN 在训练本身时记住了所有这些关系。

在实现它的买卖盘中，RNN 在其中创建具有循环的网络，这允许它保存该信息。

RNN Rolled

该回路结构允许神经网络采取输入序列。如果你看到展开的版本，你会更好地理解它。

RNN Unrolled 资料来源：Abdallah 的博客

正如您可以在展开版本中看到的那样。首先，它从输入序列取 x (0)，然后它输出 H (0)，该 H (0)与 x (1)一起是下一步骤的输入。因此，H (0)和 X (1)是下一步骤的输入。相似地，来自下一步的 H (1)是用于下一步骤的具有 x (2)的输入，等等。这样，它可以在训练时记住上下文。

这就是 RNN 的工作。

RNN 在我们需要从先前输入所需要的上下文的任何地方提供帮助。

以下是 RNN 的几个应用：

下一个词预测。
音乐组成成分。
图像的字幕
语音识别
时间序列异常检测
股市预测

现在，RNN 已经变得非常流行，因为它有助于解决行业面临的许多现实问题。

就这样。

什么是递归神经网络 (RNN)？

关键字：