RNN模型（递归神经网络）简介

有些任务可以通过MLP多层感知器的神经网络，CNN卷积神经网络解决，因为那些任务内部的每一个前后无关联，无顺序，如MNIST手写数字子集，CIFAR子集等。

但是在自然语言处理中，每个字的前后有语义联系，或者在视频图像处理，或者在气象观测数据，股票交易数据方面，有前后的关联性，那么使用RNN网络，或者LSTM模型。

RNN模型的原理：

神经元的输出接入输入，使网络具有记忆功能。Xt输入，Ht输出，三条箭头的参数U,V,W是神经网络的参数，A是隐藏状态，代表记忆功能。

在时间上将该模型展开后如下：

输出为之前的各个参数相互的处理结果。