![cover image](https://wikiwandv2-19431.kxcdn.com/_next/image?url=https://upload.wikimedia.org/wikipedia/commons/thumb/f/fe/Kernel_Machine.svg/langfa-640px-Kernel_Machine.svg.png&w=640&q=50)
شبکه عصبی بازگشتی
From Wikipedia, the free encyclopedia
یک شبکهی عصبی مکرر (RNN) کلاسی از شبکههای عصبی مصنوعی هستند که در آن اتصالات مابین گرههایی از یک گراف جهتدار در امتداد یک دنبالهی زمانی میباشند و سبب میشود تا الگوریتم بتواند رفتار پویای موقتی را به نمایش بگذارد. برخلاف شبکههای عصبی رو به جلو، شبکههای عصبی مکرر میتوانند از وضعیت درونی خود برای پردازش دنبالهی ورودیها استفاده کنند که آنها را برای مواردی نظیر تشخیص صوت، یا تشخیص دستنوشتههای غیربخشبندی شدهی متصل[1] مناسب میکند. [2][3]
واژهی «شبکههای عصبی مکرر» به دو کلاس گسترده از شبکههایی با ساختار مشابه اشاره دارد: یکی از آنها دارای تکانه متناهی و دیگری دارای تکانه نامتناهی میباشد و هر دوی آنها رفتار پویای موقتی را نشان میدهند. یک شبکهی متناهی تکانه، یک گراف جهتدار غیر مدور است که میتواند باز شده و با یک شبکهی عصبی رو به جلو جایگزین شود؛ در حالی که یک شبکهی با تکانه نامتناهی یک گراف مدور جهتدار است که نمیتواند باز شود. [4]
هر دوی این الگوریتمها میتوانند دارای وضعیتهای ذخیرهسازی شده باشند و این حافظهی ذخیرهسازی نیز میتواند تحت کنترل مستقیم شبکهی عصبی باشد. همچنین در صورتی که دارای تأخیر زمانی باشد یا دارای چرخههای بازخوردی باشد، حافظهی مذکور میتواند با شبکهی دیگری یا گراف دیگری جایگزین شود. این وضعیتهای تحت کنترل، به وضعیتهای درگاهی یا حافظههای درگاهی اشاره دارند و بخشی از شبکههای حافظهی کوتاهمدت بلند (LSTMs) و واحدهای درگاهی مکرر هستند.