Recurrent Neural Network

释义 Definition

循环神经网络（RNN）：一种用于处理序列数据（如文本、语音、时间序列）的神经网络结构。它通过把前一时刻的隐藏状态传递到下一时刻，使模型能够利用“上下文/记忆”来建模序列中的依赖关系。（常见变体包括 LSTM、GRU。）

发音 Pronunciation (IPA)

/rɪˈkʌrənt ˈnjʊrəl ˈnɛtˌwɜrk/

例句 Examples

I used a recurrent neural network to predict tomorrow’s temperature.
我用循环神经网络来预测明天的气温。

Because a recurrent neural network can carry information forward through time, it is often used for tasks like speech recognition and machine translation where earlier context affects later outputs.
由于循环神经网络可以将信息沿时间向前传递，它常用于语音识别、机器翻译等任务，因为较早的上下文会影响后续输出。

词源 Etymology

该术语由三部分组成：recurrent（“反复出现的、循环的”）强调信息在网络中按时间步回流/循环；neural 源自 neuron（神经元），指“仿神经元结构的计算单元”；network 指由多个单元连接形成的网络结构。整体含义即“带循环连接的神经网络”，用于序列建模。

相关词 Related Words

• Artificial
• Attention
• Deep
• Embedding
• Gated
• GRU
• Hidden
• LSTM
• Neural
• Sequence
• Transformer

文献与著作 Literary / Notable Works

• Jeffrey L. Elman (1990), Finding Structure in Time（提出经典“Elman network”，RNN早期代表性论文）
• David E. Rumelhart, Geoffrey E. Hinton, Ronald J. Williams (1986), Learning Representations by Back-Propagating Errors（反向传播基础，为后续BPTT等训练方法奠基）
• Alex Graves (2012), Supervised Sequence Labelling with Recurrent Neural Networks（RNN用于序列标注的代表性专著）
• Ian Goodfellow, Yoshua Bengio, Aaron Courville (2016), Deep Learning（系统讲解RNN、LSTM等）
• Christopher M. Bishop (2006), Pattern Recognition and Machine Learning（涉及序列建模与相关概率方法背景，常与RNN学习搭配阅读）