深度学习及应用 课件 第五章 循环神经网络.pptx

第五章：循环神经网络;1986年，Elman等人提出了用于处理序列数据的循环神经网络（RecurrentNeuralNetwork，RNN），如同CNN是专门用于处理二维数据信息（如图像）的神经网络，RNN是一个在时间上传递，且专用于处理序列信息的神经网络，网络的深度就是时间的长度。在传统的前馈神经网络中，每一层的神经元信号只能向下一层传播，样本的处理在时刻上是独立的，但由于RNN具有循环连接，神经元在这个时刻的输出可以直接影响下一个时间点的输入，因此该神经网络能够处理和预测时间序列方面的问题。如果将CNN看成是前馈神经网络的具体化，那么RNN则是反馈神经网络的具体化。RNN不仅可以扩展到