🧠 循环神经网络（RNN）教程
RNN 是一种专门处理序列数据的神经网络，广泛应用于自然语言处理、时间序列预测等领域。以下是关键知识点：
📌 基本结构
- 输入层：接收时序数据（如字符、单词）
- 隐藏层：通过循环机制保持状态（使用激活函数如 tanh）
- 输出层：生成预测结果（如下一个字符）
- 核心公式：$ h_t = \tanh(W_{ih}x_t + W_{hh}h_{t-1} + b_h) $
📌 变体类型
- LSTM：长短期记忆网络（解决梯度消失问题）
- GRU：门控循环单元（简化版LSTM）
- 代码示例：点击查看RNN实现代码
📌 应用场景
- 文本生成（如对话系统）
- 机器翻译（序列到序列）
- 时序预测（如股票价格）
- 情感分析（句子级分类）
📊 图片展示：