循环神经网络（RNN）概述

核心思想与优势

循环神经网络（RNN）是一类专门用于处理序列数据的深度学习模型。其核心思想是通过循环连接传递历史信息，利用参数共享大幅减少模型复杂度，从而有效捕捉时序数据中的长期依赖关系。

• 输入序列：处理时序数据
• 隐藏状态：保存历史信息
• 输出序列：生成预测结果
• 循环连接：传递历史信息
• 参数共享：减少模型复杂度

LSTM与GRU

改进的RNN结构，解决长序列问题：

• LSTM：长短期记忆网络 — 遗忘门(控制历史信息)、输入门(控制新信息)、输出门(控制输出信息)
• GRU：门控循环单元 — 更新门(控制信息更新)、重置门(控制历史信息)，结构更简单