再発性ニューラルネットワーク（RNN）は、AppleのSiriやGoogleの音声検索などのアプリケーションで使用される強力なタイプの人工ニューラルネットワーク（ANN）です。内部メモリを介して過去の入力を保持する彼らのユニークな能力は、株価の予測、テキスト生成、転写、機械翻訳などのタスクに最適です。入力と出力が独立している従来のニューラルネットワークとは異なり、RNN出力はシーケンスの以前の要素に依存します。さらに、RNNはネットワークレイヤー全体でパラメーターを共有し、勾配降下中の重量とバイアスの調整を最適化します。 />
上の図は、基本的なRNNを示しています。 [45、56、45、49、50、...]などのデータを使用した株価予測シナリオでは、各入力（x0〜xt）に過去の値が組み込まれています。たとえば、x0は45、x1は56であり、これらの値は次のシーケンス要素の予測に寄与します。
rnnsでは、ループを介して情報を循環し、現在および以前の入力の両方の関数を出力します。 src = "https://img.php.cn/upload/article/000/000/000/174165793768541.jpg" alt = "再発性ニューラルネットワークチュートリアル（RNN）関数、重み、およびバイアス。これらのパラメーターは隠されたレイヤー全体で共有され、複数の異なるレイヤーの代わりに単一のループレイヤーを作成します。 RNNは、勾配を計算するために、従来のバックプロパゲーションの代わりに時間（BPTT）を通じてバックプロパゲーションを使用します。 BPTTは、共有パラメーターのために各タイムステップでエラーを合計します。
rnnsは、単一の入力と出力を持つフィードフォワードネットワークとは異なり、入出力の長さの柔軟性を提供します。この適応性により、RNNは音楽の生成、感情分析、機械翻訳など、さまざまなタスクを処理できます。 4つの主要なタイプが存在します：
重要な違い：
ソリューションには、隠れたレイヤーの削減またはLSTMやGruなどの高度なアーキテクチャの使用が含まれます。 LSTMとGRUは、長期にわたって情報の保持を有効にすることによりこれに対処します。
このセクションでは、LSTMとGRUを使用してマスターカードの株価を予測するプロジェクトについて詳しく説明しています。コードは、Pandas、Numpy、Matplotlib、Scikit-Learn、Tensorflowなどのライブラリを利用しています。前処理：データをトレーニングセットとテストセットに分割し、 minmaxscaler を使用してスケールし、モデル入力のために再シェープします。モデル：同様のアーキテクチャを備えたGRUモデルを構築およびトレーニングします。
以上が再発ニューラルネットワークチュートリアル（RNN）の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
