RNN

循環神經網路,Recurrent Neural Network。神經網路是一種節點定向連線成環的人工神經網路。這種網路的內部狀態可以展示動態時序行為。不同於前饋神經網路的是,RNN可以利用它內部的記憶來處理任意時序的輸入序列,這讓它可以更容易處理如不分段的手寫識別、語音識別等。

概述

神經網路專家如Jordan,Pineda.Williams,Elman等於上世紀80年代末提出的一種神經網路結構模型。即循環神經網路(Recurrent Neural Network,RNN)。這種網路的本質特徵是在處理單元之間既有內部的反饋連線又有前饋連線。從系統觀點看,它是一個反饋動力系統,在計算過程中體現過程動態特性,比前饋神經網路具有更強的動態行為和計算能力。循環神經網路現已成為國際上神經網路專家研究的重要對象之一。

分類

完全遞歸網路(Fully recurrent network)

Hopfield神經網路(Hopfield network)

簡單循環網路(Simple Recurrent Network, SRN)

回聲狀態網路(Echo state network)

長短期記憶網路(Long Short Term Memery network, LSTM)

雙向循環神經網路(Bi-directional RNN)

持續型網路(Continuous-time RNN)

堆疊循環神經網路(Stacked Recurrent Neural Network, SRNN)

循環多層感知器(Recurrent Multi-Layer Perceptron,RMLP)

遞歸神經網路(RecursiveNeural Network)

1.

完全遞歸網路(Fully recurrent network)

2.

Hopfield神經網路(Hopfield network)

3.

簡單循環網路(Simple Recurrent Network, SRN)

4.

回聲狀態網路(Echo state network)

5.

長短期記憶網路(Long Short Term Memery network, LSTM)

6.

雙向循環神經網路(Bi-directional RNN)

7.

持續型網路(Continuous-time RNN)

8.

堆疊循環神經網路(Stacked Recurrent Neural Network, SRNN)

9.

循環多層感知器(Recurrent Multi-Layer Perceptron,RMLP)

10.

遞歸神經網路(RecursiveNeural Network)

相關詞條

相關搜尋

熱門詞條

聯絡我們