rnn标签_腾讯云开发者社区

rnn

从RNN到BiLSTM：时序建模三大核心算法深度解析

在深度学习的时序建模领域，RNN、LSTM、BiLSTM如同递进的阶梯，从最初解决序列依赖问题，到弥补长距离记忆缺陷，再到捕捉双向上下文信息，逐步完善对时序数据的建模能力。无论是自然语言处理、语音识别，还是时间序列预测，这三大算法都是不可或缺的核心工具。本文将从设计启发、结构细节、数学表达三个维度，层层拆解它们的核心逻辑，帮你彻底搞懂这三种算法的来龙去脉与内在关联。

紫藤萝之恋
2026-04-05 20:25:39

 699

 8

#rnn #人工智能 #深度学习
打开黑盒——用 Excel 硬核拆解 LSTM 的时间记忆魔法

在处理时间序列（比如股票预测、语音识别、文字生成）时，传统的神经网络总是“阅后即焚”，无法记住上下文。于是，诞生了。很多初学者觉得 LSTM 的图纸就像一团乱麻，什么“门控机制”、“细胞状态”听起来非常抽象。今天，我们不用任何复杂的代码框架，只用最基础的加减乘除，在 Excel 里把 LSTM 算个透彻！

m0_69903506
2026-04-14 22:49:53

 197

 3

#lstm #人工智能 #rnn
从RNN到LSTM、BiLSTM

NLP-AHU-206循环神经网络（RNN）及其衍生变体，在自然语言处理、语音识别、时间序列预测等多个关键领域中占据着不可或缺的地位。但不容忽视的是，传统RNN在处理长序列数据时，普遍面临梯度消失或梯度爆炸的困境，这使得它难以精准捕捉序列中远距离的依赖关系，极大限制了其实际应用效果。长短期记忆网络（LSTM）的问世，针对性地缓解了这一核心痛点，而双向长短时记忆网络（BiLSTM）则在LSTM的基础

 2301_80163047
2026-04-05 20:18:30

 594

 14

#rnn #lstm #人工智能
完整的“RNN + jieba 中文情感分析”项目之一：添加 API 接口（FastAPI）和支持批量分析

本文介绍了一个升级版的中文情感分析系统，主要新增了以下功能：提供FastAPI RESTful接口，支持单条和批量文本分析同时支持Gradio WebUI和API两种使用模式采用Docker一键部署方案性能优化：使用ONNX模型和异步批处理技术系统架构包含：核心预测引擎（支持RNN和BERT模型） FastAPI接口服务 Gradio交互界面 Docker容器化部署方案性能优势包括批

 翱翔的苍鹰
2026-01-23 16:33:34

 300

 11

#rnn #fastapi #人工智能
【机器学习精通】第20章 | 模型压缩与加速：让大模型跑得更快

摘要：本文系统介绍了深度学习模型压缩与加速的关键技术，包括量化、剪枝和知识蒸馏等方法。量化部分详细讲解了训练后量化（PTQ）和量化感知训练（QAT）的实现，并涵盖了大语言模型专用量化技术（GPTQ、AWQ）。文章提供了PyTorch代码示例，展示了从模型准备到实际量化的完整流程，帮助开发者在资源受限环境下实现高效模型部署。压缩技术可显著减少模型大小（2-10倍）并提升推理速度，同时保持可接受的精度

 所谓伊人，在水一方333
2026-03-19 08:03:27

 391

 8

#机器学习 #人工智能 #神经网络 +2
RNN、LSTM 与 BiLSTM 算法详解

在处理序列数据（如文本、语音、时间序列）时，循环神经网络（RNN）及其改进版本 LSTM 和 BiLSTM 是深度学习中的重要模型。RNN 的出现是为了解决传统前馈神经网络在序列建模中的固有缺陷，其设计灵感源于人类认知中的“记忆”机制。尽管 LSTM 强大，但它是单向的，仅能利用过去信息。机制，使网络在每一步都拥有可以传递历史信息的“隐藏状态”，从而可以处理任意长度序列并捕捉时序依赖。计算量和参数

 2401_83188761
2026-04-06 15:44:48

 547

 6

#rnn #lstm #算法
卷积神经网络 (CNN)、递归神经网络 (RNN)、长短期记忆 (LSTM) 等深度学习网络结构

特性CNNRNNLSTM核心设计空间局部连接，权重共享时间循环连接，状态记忆门控循环连接，选择性记忆数据假设数据具有空间/网格结构（如图像）数据是序列，元素有序数据是长序列，存在长期依赖关键结构卷积层、池化层简单循环单元细胞状态、遗忘门、输入门、输出门主要问题不擅长处理序列梯度消失/爆炸，难学长期依赖计算复杂，参数多典型任务图像分类、目标检测简单时间序列预测、短文本建模机器翻译、长文本生成、语音识

 徐梓麒
2026-02-27 19:51:07

 555

 4

#神经网络 #rnn #深度学习
支持向量机十年演进

摘要： 2015–2025年间，支持向量机（SVM）经历了从主流分类器到垂直领域高效工具的演变。早期依赖核技巧在小样本场景表现卓越，但受限于计算复杂度；中期退居为神经网络的辅助分类器，采用线性化与核近似技术；2025年通过1.58-bit量化和eBPF内核集成，成为实时边缘计算的核心算子，如微秒级入侵检测。其定位从“全能模型”转向高能效、低延迟的专用解决方案，凸显在系统底层与垂直场景的不可替代性。

jzwspace
2026-02-10 10:39:58

 362

 4

#支持向量机 #算法 #机器学习 +4
完整的“RNN + jieba 中文情感分析”项目之一：终极版

本文介绍了一个企业级AI推理平台的全面升级方案。该平台采用Triton Inference Server实现分布式推理，支持动态批处理和模型集成；集成Sentry进行实时错误追踪；具备自动模型回滚机制，基于A/B测试指标和健康检查；支持Istio服务网格实现流量管理。系统架构包含Nginx、FastAPI网关、Triton GPU集群、模型仓库等组件，通过Docker Compose实现全栈部署。

翱翔的苍鹰
2026-01-24 14:41:42

 598

 16

#rnn #人工智能 #深度学习
完整的“RNN + jieba 中文情感分析”项目之一：添加添加 API 调用速率限制，同时集成真实数据库（MYSQL）,部署的话，需要配置 Nginx 反向代理 + HTTPS。

本文介绍了一套企业级情感分析系统部署方案，包含完整的API限速、用户认证和HTTPS安全配置。方案采用FastAPI+Gradio+MySQL技术栈，通过Docker Compose实现一键部署。核心功能包括：基于IP和用户的API速率限制、MySQL用户认证数据库、Nginx反向代理和Let's Encrypt HTTPS加密。系统架构分为传输层（HTTPS）、网关层（Nginx）、应用层（JW

翱翔的苍鹰
2026-01-24 14:40:38

 408

 7

#数据库 #rnn #mysql
LSTM十年演进

LSTM十年演进：从序列建模到工业智能基石 2015-2025年见证了LSTM（长短期记忆网络）的完整技术周期演进。作为RNN的改进架构，LSTM通过门控机制解决了长序列训练的梯度问题，完成了从NLP通用核心到工业时序智能基石的转型。技术演进路径启蒙期（2015-2017）：LSTM成为NLP/语音领域的工业标准，在机器翻译、语音识别等场景取代传统方法突破期（2018-2020）：面对Tra

jzwspace
2026-03-27 10:41:23

 140

#lstm #人工智能 #rnn +4
神经网络 3.3：LSTM（长短期记忆网络）—— 为 RNN 装上“记忆阀门”*详细图解+代数表达+示例数据=通俗易懂!*

本文回顾了神经网络系列文章内容，包括感知机、MLP、CNN和RNN的基础知识。重点解析了LSTM网络的结构特点及其优势：通过输入门、遗忘门和输出门的门控机制，有效解决了传统RNN的梯度消失问题，能够学习长序列中的长期依赖关系。文章详细列举了LSTM在自然语言处理、语音识别、时间序列预测等领域的应用场景，并通过公式展示了LSTM的代数表达形式，强调其通过细胞状态实现长期记忆的独特机制。

YoloLiu
2026-02-26 11:50:59

 651

 23

#神经网络 #rnn #lstm
完整的“RNN + jieba 中文情感分析”项目之一：添加 Prometheus + Grafana 监控，配置 CI/CD 自动部署和支持多语言模型切换

本文介绍了一个完整的企业级MLOps平台解决方案，主要包含五大核心功能：1）基于Prometheus+Grafana的实时监控系统，可跟踪API调用量、延迟和错误率；2）通过GitHub Actions实现的CI/CD自动化部署流程；3）支持中英文双语的模型切换功能（RNN/BERT）；4）采用Docker Compose实现一键部署；5）包含完善的监控看板和指标收集系统。该平台具备多语言处理、自

 翱翔的苍鹰
2026-01-24 14:41:19

 532

 10

#rnn #prometheus #grafana
r6：LSTM实现糖尿病探索与预测

**🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/o-DaK6aQQLkJ8uE4YX1p3Q) 中的学习记录博客**- **🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)**

2501_93011692
2026-04-09 10:05:47

 235

 6

#lstm #人工智能 #rnn
完整的“RNN + jieba 中文情感分析”项目之一：需要添加添加 JWT 认证

本文介绍如何为FastAPI情感分析API集成JWT认证。主要内容包括：1）安装python-jose和passlib依赖；2）配置安全模块，实现密码验证和JWT生成；3）更新API路由，保护/predict和/predict/batch接口，同时公开/token和/health接口；4）通过Docker环境变量管理敏感信息。系统支持获取1小时有效的JWT令牌，并保持Gradio WebUI无需认

 翱翔的苍鹰
2026-01-23 16:35:45

 279

 8

#rnn #python #人工智能
MATLAB实现基于PSO-RNN 粒子群优化算法（PSO）结合循环神经网络（RNN）进行光伏功率预测的详细项目实例（含完整的程序，GUI设计和代码详解）还请多多点一下关注加油谢谢你的鼓励是我

MATLAB实现基于PSO-RNN粒子群优化算法（PSO）结合循环神经网络（RNN）进行光伏功率预测的详细项目实例（含完整的程序，GUI设计和代码详解）资源-CSDN下载https://download.csdn.net/download/xiaoxingkongyuxi/92282308MATLAB实现基于PSO-RNN粒子群优化算法（PSO）结合循环神经网络（RNN）进行光伏功率预测的详细项目

 xiaoxingkongyuxi
2026-01-27 08:30:00

 1971

 45

#matlab #rnn #算法 +4
提示工程十年演进

摘要：提示工程（Prompt Engineering）从2015到2025年经历了从“黑盒调优”到“系统化工程”再到“大模型自主进化”的演进。早期依赖简单前缀（如“翻译：”），2019年后因GPT-3推动少样本提示（Few-shot）和思维链（CoT）技术突破，模型能处理复杂逻辑。2025年，技术迈向自动化：DSPy框架程序化生成提示词，eBPF在内核层实现语义安全审计，长上下文窗口支持全局分析

 jzwspace
2026-02-10 10:51:38

 424

 4

#人工智能 #机器学习 #rnn +4
一问带你看懂循环神经网络小黑匣内部结构——LSTM

今天给大家分享分享循环神经网络（以LSTM为研究对象）的内部计算逻辑，本次博客从keras源码，并结合一位博主的博客对其进行详细剖析。博客：https://www.cnblogs.com/wangduo/p/6773601.html?utm_source=itdadao&utm_medium=referral，这是一篇非常经典且详细的博客，大家一定要抽时间去过一遍，并仔细思考。探讨之前，假

 罗小丰同学
2019-04-12 16:09:21

 2733

 12

#lstm #rnn #深度学习
深度学习框架TensorFlow学习与应用（七）——循环神经网络（RNN）应用于MNIST数据集分类

关于RNN的介绍可以参考：RNN介绍下面将RNN用于前文所提到的MNIST手写数字识别中。1.获取数据集import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("D:\BaiDu\MNIST_data",one

JluTiger316
2018-01-06 19:16:22

 1500

 1

#rnn
RNN LSTM 循环神经网络 (分类例子)

学习资料:相关代码为 TF 2017 打造的新版可视化教学代码机器学习-简介系列什么是RNN机器学习-简介系列什么是LSTM RNN本代码基于网上这一份代码 code设置 RNN 的参数这次我们会使用 RNN 来进行分类的训练 (Classification). 会继续使用到手写数字 MNIST 数据集. 让 RNN 从每张图片的第一行像素读到最后一行, 然后再进行分类

 Omni-Space
2017-11-01 16:02:14

 1w

 1

#rnn #lstm #tensorflow
CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)概念区分理解

1、相关知识从广义上来说，NN（或是更美的DNN）确实可以认为包含了CNN、RNN这些具体的变种形式。有很多人认为，它们并没有可比性，或是根本没必要放在一起比较。在实际应用中，所谓的深度神经网络DNN，往往融合了多种已知的结构，包括convolution layer 或是 LSTM 单元。其实，如果我们顺着神经网络技术发展的脉络，就很容易弄清这几种网络结构发明的初衷，和他们之间本质的区别。2、神经

 hanranV
2016-02-29 10:21:34

 10.5w

 60

#cnn #dnn #rnn +1
循环神经网络（RNN）入门详解：从基础到传统RNN

循环神经网络（Recurrent Neural Network, RNN）是一类以序列数据为输入，通过内部循环结构捕捉序列之间关系特征的神经网络。与传统的前馈神经网络不同，RNN的隐层输出不仅取决于当前输入，还依赖于上一时刻的隐层状态，这使得它非常适合处理具有时间依赖或顺序依赖的数据，如自然语言文本、语音信号、时间序列等。

脑袋不吃青梅
2026-04-19 17:13:17

 363

 3

#rnn #人工智能 #深度学习
基于改进量子粒子群自适应优化算法（ASL-QPSO）优化LSTM循环神经网络的数据回归预测研究附Matlab代码

针对长短期记忆网络（LSTM）在数据回归预测中存在参数敏感性强、易陷入局部最优、收敛效率不足，以及传统量子粒子群优化算法（QPSO）在优化过程中全局探索与局部开发难以平衡的问题，本文提出一种基于改进量子粒子群自适应优化算法（Adaptive Sinusoidal-Levy Quantum Particle Swarm Optimization, ASL-QPSO）优化LSTM的混合回归预测模型（A

Matlab算法改进和仿真定制工程师
2026-03-10 20:23:17

 513

#算法 #rnn #lstm
循环神经网络（RNN）详解：结构、问题与双向RNN

本文详细介绍了循环神经网络（RNN）的基本结构、训练问题及其改进方法。RNN通过隐藏状态保留记忆，能够处理序列数据，但存在梯度消失/爆炸问题，难以学习长期依赖。双向RNN通过结合正向和反向信息流，提升了模型的上下文理解能力。RNN及其变体广泛应用于自然语言处理、时间序列预测等领域。文章通过天气预测、完形填空等生活实例生动解释了这些概念，为理解更复杂的序列模型奠定了基础。

偷吃的耗子
2026-03-03 16:44:54

 854

 19

#rnn #人工智能 #深度学习
【深度学习基础篇09】NLP 核心模型精讲：词嵌入、RNN、LSTM、Transformer 与 BERT

本文系统梳理了从传统文本表示到预训练模型的完整演进路线，依次讲解词嵌入、RNN、LSTM、自注意力机制、Transformer 与 BERT 模型。内容由浅入深，用通俗语言拆解核心原理与结构，包含直观图解与关键公式，清晰说明各模型的优缺点、适用场景与进化逻辑。文章兼顾基础入门与实战理解，帮助读者快速掌握现代 NLP 发展脉络，适合深度学习初学者学习与复习使用。

ppppppatrick
2026-03-01 23:21:36

 1524

 9

#深度学习 #自然语言处理 #rnn
循环神经网络-RNN和简单的例子

本文用通俗易懂的方式讲解了RNN和词嵌入的工作原理及其在文本生成中的应用。RNN被比喻为"会记忆的神经网络"，能够记住之前的信息来处理序列数据；词嵌入则是将词语转换为数字向量，使计算机能理解语义关系。两者结合可构建文本生成模型，文中提供了一个完整的唐诗生成项目实例，包含数据处理、模型训练（使用LSTM）、诗歌生成和Web界面展示。项目采用字符级建模避免分词难题，支持普通生成和藏

 翱翔的苍鹰
2026-01-22 17:03:40

 759

 12

#深度学习 #人工智能 #rnn +4
【深度学习】循环神经网络

RNN。

A林玖
2025-12-22 13:02:53

 956

 17

#rnn #人工智能 #深度学习
【Python TensorFlow】 TCN-GRU时间序列卷积门控循环神经网络时序预测算法（附代码）

摘要：本文提出了一种TCN-GRU混合神经网络模型，用于解决传统时间序列预测模型在处理长期依赖和复杂时序模式时的局限性。该模型结合了时间卷积网络(TCN)的多尺度特征提取能力和门控循环单元(GRU)的长期依赖学习能力。文章详细介绍了模型构建流程，包括数据准备、预处理、网络构建、训练和评估等步骤，并提供了带有中文注释的Python实现代码。代码支持多种数据格式输入，可实现单/多输入、单/多步预测功能

 vvoennvv
2025-11-29 16:56:46

 478

 3

#python #rnn #tensorflow +3
【深度学习】RNN循环神经网络

RNN 专用于处理序列数据，通过循环连接实现信息记忆和参数共享。标准RNN受限于梯度消失。LSTM/GRU引入门控机制解决此问题，是序列建模的核心模型。

joker_leader
2025-11-20 20:12:51

 2567

 35

#深度学习 #rnn #算法 +4
深度学习基础 - 循环神经网络（RNN）通俗详解

想象一下你正在看一部电视剧传统神经网络：每集独立看，不知道前后剧情看到第5集："这个人为什么生气？" → 不知道原因循环神经网络：记住前面剧情，理解前后关联看到第5集："哦，因为第3集他被背叛了，所以现在生气是合理的"概念生活比喻在代码中的体现作用循环连接记忆链条隐藏状态传递保持序列信息时间展开故事连环画按时间步处理处理序列数据LSTM智能记忆管理器解决长期依赖问题GRU简化记忆管理器高效的门控机

 qq_22341693
2025-11-18 09:22:20

 413

 9

#深度学习 #rnn #人工智能
循环神经网络（RNN）全面解析

本文系统介绍了循环神经网络(RNN)的核心原理与应用。RNN通过循环连接和参数共享两大创新设计，有效解决了序列数据的建模问题。文章详细阐述了RNN的工作流程，包括初始化、循环计算和输出生成三个关键步骤，并通过正弦波预测和文本生成两个实例展示了RNN的实际应用。RNN的优势在于处理变长序列、捕捉时序依赖关系，但也存在梯度消失/爆炸、长期记忆有限等缺陷。最后，文章总结了RNN在自然语言处理、语音识别等

 Dfreedom.
2025-11-15 19:48:48

 1602

 14

#rnn #人工智能 #深度学习 +1
电力系统暂态信号多尺度时频分析与卷积循环神经网络驱动的故障快速识别技术

传统基于傅里叶变换的故障诊断方法在处理非平稳信号时存在频率分辨率不足的问题，而多尺度时频分析与深度学习的结合为解决这一难题提供了新路径。本文系统探讨多尺度小波变换与卷积循环神经网络（CRNN）融合技术在电力系统故障识别中的创新应用。其中$a$为尺度参数，$b$为平移参数。通过db4小波基进行5层分解后，可获得包含瞬态特征的细节系数（D1-D5）和近似系数（A5）。网络结构包含3个卷积层（32-64

Mxsoft619
2025-11-14 14:26:42

 1139

 16

#rnn #人工智能 #深度学习 +2
长短记忆网络 LSTM，C++， python

本文介绍了LSTM网络的基本原理和训练方法。针对RNN存在的梯度消失问题，LSTM通过引入记忆单元和门控机制，能够有效保存长期依赖信息。文章详细阐述了LSTM的三个关键门控单元（遗忘门、输入门、输出门）的计算公式，以及记忆单元的更新方式。在训练部分，描述了多层LSTM的前向传播过程，并推导了基于时间反向传播（BPTT）的权重更新方法，包括梯度递推关系和参数更新公式。最后简要提及了使用SGD等优化算

 心态与做事习惯决定人生高度
2025-11-02 05:08:19

 1443

 11

#lstm #rnn #神经网络
【循环神经网络基础二】

循环神经网络（RNN）是一种能够处理序列数据的神经网络，具有短期记忆能力，适用于时序相关任务如文本、语音等。RNN通过时间步展开实现信息传递，但存在长期依赖问题。LSTM（长短期记忆网络）通过引入遗忘门、输入门和输出门结构有效解决了这一问题，能够选择性地保留或遗忘信息。GRU是LSTM的简化版本，同样用于处理长序列依赖。这两种网络结构在自然语言处理等时序任务中表现优异，通过对历史信息的智能筛选实现

 岁月的眸
2025-10-21 19:18:11

 766

 20

#rnn #人工智能 #深度学习
深度学习——RNN（循环神经网络）原理与应用全解析

RNN是深度学习中的重要工具，它能够有效处理时序数据和序列任务。通过LSTM和GRU等变种，RNN克服了传统RNN的局限，广泛应用于自然语言处理、时间序列预测、语音识别等领域。尽管新型架构如Transformer逐渐崛起，RNN依然是序列任务中的经典模型，值得深入学习和掌握。

enlybbq
2025-10-21 09:17:30

 1565

 9

#深度学习 #rnn #人工智能
从RNN到LSTM：深入理解循环神经网络与长短期记忆网络

模型优点缺点适用场景标准RNN结构简单，计算量小梯度消失，难以学习长期依赖简单序列任务LSTM能学习长期依赖，功能强大参数多，训练慢复杂长序列任务GRU参数少，训练快，效果接近LSTM极长序列可能不如LSTM大多数序列任务。

qq1851417332
2025-10-14 22:59:33

 1308

 13

#rnn #lstm #网络
【面试题】人工智能工程师高频面试题汇总：循环神经网络篇(题目+答案)

针对这些问题，研究人员开发了其他类型的网络结构，例如循环神经网络（RNN），特别是长短期记忆网络（LSTM）和门控循环单元（GRU），它们专门设计用于处理时序数据，并能更好地捕捉长期依赖关系。所以，提前准备一些面试常问的问题，比如概率论与统计知识、机器学习的那些算法，或者深度学习的框架，还有怎么优化模型，循环神经网络等，这些都是加分项，能有效提高面试通过率。：对于长序列数据，如果直接展开成向量输入

 华清远见IT开放实验室
2025-10-15 16:23:27

 1049

 7

#人工智能 #rnn #深度学习 +1
Tensorflow循环神经网络RNN

循环神经网络（RNN）是处理序列数据的专用神经网络，能够捕捉数据中的时间依赖关系。摘要介绍了RNN的基本原理、记忆单元和循环层结构，以及LSTM、GRU等改进单元。重点探讨了RNN在时间序列预测中的应用，包括数据准备、不同模型架构（如简单RNN、深度RNN）的实现和评估。通过案例分析展示了RNN处理单变量和多变量时间序列的能力，以及序列到序列模型的预测优势。

心动啊121
2025-10-12 15:22:54

 1285

 20

#tensorflow #rnn #人工智能