Réseau de neurones récurrents
Un réseau de neurones récurrents (RNN) est une classe de réseaux de neurones artificiels dans lesquels les connexions entre les nœuds forment un graphe dirigé le long d'une séquence temporelle.
Cela lui permet de présenter un comportement dynamique temporel. Contrairement aux réseaux de neurones à propagation avant, les RNNs peuvent utiliser leur état interne (mémoire) pour traiter des séquences d'entrées. Cela les rend applicables à des tâches telles que la reconnaissance de l’écriture manuscrite non segmentée et intégrée ou la reconnaissance de la parole.
Le terme "réseau de neurones récurrents" est utilisé indifféremment pour désigner deux classes de réseaux routiers à la structure générale similaire, où l’une est impulsion finie et l’autre impulsion infinie. Les deux classes de réseaux présentent un comportement dynamique temporel. Un réseau récurrent à impulsions finies est un graphe acyclique dirigé qui peut être déroulé et remplacé par un réseau neuronal strictement feintif, tandis qu'un réseau récurrent à impulsions infinies est un graphe cyclique dirigé qui ne peut pas être déroulé.
Les réseaux récurrents à impulsions finies et impulsions infinies peuvent avoir un état stocké supplémentaire, et le stockage peut être sous le contrôle direct du réseau neuronal. Le stockage peut également être remplacé par un autre réseau ou graphique, s'il intègre des délais ou des boucles de rétroaction. De tels états de contrôle sont appelés état bloqué ou mémoire bloquée et font partie de réseaux de mémoire à court terme (LSTM) et d’unités récurrentes déclenchées.
