RNN

循环神经网络（RNN）是一种深度学习模型，具有处理序列数据的能力。其核心思想是利用前一时刻的隐藏状态和当前输入来生成当前的隐藏状态，并将该隐藏状态传递给下一时刻。这种递归的结构使得RNN能够捕捉到序列中的长期依赖关系。然而，传统的RNN存在梯度消失和梯度爆炸的问题，限制了其在实际应用中的效果。为了解决这些问题，研究者提出了长短时记忆网络（LSTM）和门控循环单元（GRU）等变种结构，通过引入门控机制来控制信息的流动，从而更好地捕捉序列中的长期依赖关系。