循环神经网络(RNN/LSTM)

🎓 研究生📚 专业选修

循环神经网络(RNN/LSTM) 处理序列数据的神经网络，具有记忆能力。 核心素养

🧬 知识点关系网络

输入序列→RNN单元→隐藏状态→输出序列

⬆️ 循环连接让信息沿时间轴流动。

📖 学习建议（阶梯式路径）

  1. 简单RNN —— 隐藏状态循环更新，但梯度消失/爆炸导致无法捕捉长距离依赖。
    💡 用RNN做简单的文本生成，观察长期记忆的失效。
  2. LSTM —— 遗忘门、输入门、输出门控制信息流动，细胞状态跨时间传递。
    💡 用LSTM做股票价格预测，对比RNN的效果。
  3. GRU —— 合并遗忘门与输入门为更新门，参数更少，效果相近。
    💡 在相同任务上用GRU替换LSTM，比较训练速度。
  4. Seq2Seq —— 编码器将输入编码为上下文向量，解码器生成输出。注意力机制是提升关键。
    💡 用PyTorch实现一个简单的Seq2Seq翻译模型。
💡 学习贴士： 理论与代码并重，动手实现经典模型，在GPU上验证想法。

🧠 认知导航

前置依赖： 学习循环神经网络(RNN/LSTM)前，建议具备Python编程、线性代数、概率论基础。

后续延伸： 学完循环神经网络(RNN/LSTM)后，可继续深入AI的其他子领域或应用方向。

📚 核心知识点全景

🔵 已开放 · 可随时探索🟠 生长中 · 内容持续丰富🟣 探索级 · 深度拓展

🌱 为了包容与博爱的传递，为了知识平权，善智导航正在陆续深化每一个知识点页面。
下方所有知识点均已预留链接，可随时点击探索。

✨ 每个链接都是一扇门，推开即是新世界。

🏙️ 生活中的循环神经网络(RNN/LSTM)

📝 文本生成

写诗、写代码、续写故事。

🎵 音乐生成

生成旋律与和弦序列。

📈 时序预测

销量、气温、流量预测。

🔗 权威参考

🤖 AI陪练指令

我是一名正在学习循环神经网络(RNN/LSTM)的学生，请用生动易懂的方式为我讲解其核心概念，并结合AI领域的实际应用场景加以说明。

📁 更多人工智能AI指令 →