卷积神经网络可以有效地处理空间信息，那么本章的循环神经网络（recurrent neural network， RNN）则可以更好地处理序列信息。循环神经网络通过引入状态变量存储过去的信息和当前的输入，从而可 以确定当前的输出。 《动手学深度学习》这本书的 第8章 “循环 ...

简单循环神经网络（SimpleRecurrentNetworks，简称SRN）是一种基础的循环神经网络模型，用于处理序列数据和动态建模。本文将介绍简单循环神经网络的基本原理、结构以及在序列任务中的应用。通过了解SRN，您将对循环神经网络的工作方式和应用领域有更深入的了解。

我们使用基于激光雷达网格融合以及循环神经网络（RNNs）的方法处理复杂城市环境中场景演变的长期预测。鸟瞰场景（包括占用率以及速度）作为序列提供给RNN，后者通过训练预测未来的占用率。预测的本质是允许生成多个小时训练数据，而无需手动标记。

循环神经网络也可以用作生成模型。 这意味着除了用于预测模型（做出预测）之外，他们还可以学习问题的序列，然后为问题域生成全新的合理序列。 像这样的生成模型不仅可用于研究模型学习问题的程度，还可以了解有关问题领域本身的更多信息。 在这篇 ...