模型
Recurrent Neural Network（循环神经网络）
循环神经网络（RNN）是处理序列数据的神经网络，通过循环连接传递隐藏状态，解决传统网络无法建模时序依赖的问题。典型应用包括语言建模、机器翻译和语音识别，代表变体有LSTM和GRU。
详细解释
RNN在每个时间步接收输入和上一时刻隐藏状态，产生当前输出和新的隐藏状态，从而捕捉序列历史信息。但标准RNN存在梯度消失/爆炸问题，难以学习长程依赖。LSTM引入门控机制（输入门、遗忘门、输出门）和细胞状态，有效缓解该问题；GRU简化了LSTM结构。RNN及其变体曾主导序列建模，后逐渐被Transformer取代，但在流式处理等场景仍有应用。
别名与相关写法
recurrent neural networkRecurrent Neural Network循环神经网络RNN
相关术语
Neural Network共现 5 篇
Transformer共现 1 篇
continual learning共现 1 篇
Long-term Memory共现 1 篇
coding agents共现 1 篇
Deep Learning共现 1 篇
相关资讯
RNN 小人：学习门控长时记忆2026/10/14
TQRNN30d：长期工业预测性维护2026/9/7
RNN 结合可解释性分离相似森林类别2026/10/15
MemKD：面向紧凑循环网络的内存保持蒸馏2026/10/7
物理循环神经网络低数据下的架构选择2026/10/6
免训练注意力引导缓解大模型谄媚与固执2026/10/6
循环神经网络可回收单元门控的持续学习2026/10/1