回归神经网络

回归神经网络简称：RNN沿阵列节点之间的耦接向图（英国），以形成人工神经一类网络。这使我们能够显示时间序列的时间动态行为。回归神经网络或循环神经网络有时被翻译为。在本节中，“递归”用作“递归”神经网络的翻译，而“ 递归 ”用作“ 递归 ”神经网络的翻译。

术语“回归神经网络”可以在未经许可的情况下用于指代具有相似一般结构的两大类网络。一个是有限的冲动，另一个是无限的冲动。两种网络类别都表现出随时间变化的动态行为。有限脉冲回归网络是有向无环图，可以将其展开并替换为严格的前向传播神经网络，而无限脉冲回归网络是无法扩展的有向环图。

基本的RNN是组织成连续“层” 的神经元节点网络，其中给定层中的每个节点通过定向（单向）连接连接到下一层中的所有节点。是。各个节点（神经元）具有随时间变化的实值激活。个人绑定（突触）是可以修改实值的权重（中英文）用。节点可以是输入节点（从网络外部接收数据），输出节点（获取结果）或隐藏节点（在从输入到输出的途中修改数据）。