شبکه عصبی بازگشتی Recurrent Neural Network

دسته ای دیگر از شبکه های عصبی را شبکه RNN نیز میگویند. این شبکه ها برای پردازش داده سری زمانی (Time Series) و داده ترتیبی (Sequential)مناسب است . شبکه عصبی بازگشتی ( RNN) که به آن شبکه عصبی مکرر نیز گفته می شود، نوعی از شبکه عصبی مصنوعی است که در تشخیص گفتار، پردازش زبان طبیعی ( NLP ) و همچنین در پردازش داده های ترتیبی (Sequential data) استفاده می شود. بسیاری از شبکه های عمیق مانند CNN شبکه های پیش خور Feed Forward) )هستند یعنی سیگنال در این شبکه ها فقط در یک جهت از لایه ورودی ، به لایه های مخفی و سپس به لایه خروجی حرکت می کند و داده های قبلی به حافظه سپرده نمی شوند. اما شبکه های عصبی بازگشتی ( RNN) یک لایه بازخورد دارند که در آن خروجی شبکه به همراه ورودی بعدی ، به شبکه بازگرداننده می شود. RNNمی تواند به علت داشتن حافظه داخلی ، ورودی قبلی خود را به خاطر بسپارد و از این حافظه برای پردازش دنباله ایی از ورودی ها استفاده کند. به بیان ساده، شبکه های عصبی بازگشتی شامل یک حلقه بازگشتی هستند که موجب می شود اطلاعاتی را که از لحظات قبلی بدست آورده ایم از بین نروند و در شبکه باقی بمانند.

کلیدواژه ها:

شبکه عصبی ، شبکه های عصبی بازگشتی ، داده سری زمانی ، شبکه های پیشخور