中文 英语
知识中心
导航
知识中心

循环神经网络(RNN)

一种利用存储在存储器中的其他数据来发现数据模式的人工神经网络。
受欢迎程度

描述

循环神经网络(RNN)是一种人工神经网络,用于语音、文本识别和其他模式识别神经网络它使用内存在数据中找到模式。RNN使用两个输入源来生成答案:当前样本和存储在内存中的信息。

据说rnn需要更多的资源来进行推理和训练。推理是一步一步完成的,每次查看一个新数据,并将其与内存中的数据进行比较。“我们使用循环神经网络,因为它有记忆,”MbientLab首席执行官Laura Kassovic。“这意味着无论何时训练它,它都有记忆,因为当前输入会受到之前输入的影响,这是正常的。因为如果你在做一个语音识别算法,前一个音节会影响下一个音节。它们一起构成了一个单词,所以你需要记住整个单词是什么。”数据是按顺序加权的:正如eSilicon EMEA创新高级总监Carlos Macian在下视频剪辑中描述的那样,对于每一个权重,你都有一个数学运算。“输入和发送的权重和数据要多得多。你需要优化内存本身,对内存和数据的访问。”

rnn还使用隐藏状态来循环数据。

LSTM是RNN的一种。

随着更好的工具的出现,RNN正在失宠。在时间维度是关键因素的情况下,如安全或军事/航空应用,循环神经网络是必不可少的。但是所收集的数据需要尽可能快地清理到有用的地方,而这正是性能真正容易陷入困境的地方。在这一点上,没有明显的解决方案。

Baidu