文献类型：期刊文章

作　　者：王雨嫣[1] 廖柏林[2] 彭晨[2] 李军[2] 印煜民[2]

WANG Yuyan;LIAO Bolin;PENG Chen;LI Jun;YIN Yumin(College of Mathematics and Statistics,Jishou University,Jishou 416000,Hunan China;College of Information Science and Engineering,Jishou University,Jishou 416000,Hunan China)

机构地区：[1]吉首大学数学与统计学院,湖南吉首416000 [2]吉首大学信息科学与工程学院,湖南吉首416000

出　　处：《吉首大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(62066015,62006095);湖南省自然科学基金资助项目(2020JJ4511);吉首大学校级科研项目(JDY20063);吉首大学优秀青年项目(20B470)。

年　　份：2021

卷　　号：42

期　　号：1

起止页码：41-48

语　　种：中文

收录情况：AJ、CAS、JST、MR、SCOPUS、WOS、普通刊

摘　　要：递归神经网络(RNN)因具存储特性,可以处理前后输入有关系的序列数据,故广泛应用于文本音频、视频等领域.当输入间隙较大时,RNN存在短期记忆问题,无法处理很长的输入序列,而长短期记忆(LSTM)能很好地处理长期依赖性问题.自LSTM提出以来,几乎所有基于RNNs的令人兴奋的结果都是由LSTM实现的,因此LSTM成为深度学习的焦点.综述首先简述了RNN以及LSTM及其几种变体的基本工作原理及特点,然后介绍了RNN和LSTM在某些领域中的应用,最后分析并总结了RNN未来的发展方向.

关 键 词：递归神经网络 长短期记忆  序列数据 自然语言处理

分 类 号：TP183]