Le réseau neuronal récurrent (RNN) est un type de réseau neuronal artificiel où les connexions entre les nœuds forment un graphe orienté le long d’une séquence temporelle. Cela lui permet de présenter un comportement dynamique temporel, ce qui le rend adapté aux tâches impliquant des données séquentielles.
Dans les réseaux de neurones, RNN fait référence à une classe de modèles conçus pour reconnaître des modèles dans des séquences de données, telles que des séries chronologiques, de la parole ou du texte. Les RNN peuvent traiter des entrées de différentes longueurs en maintenant un état caché qui capture les informations des étapes précédentes de la séquence.
RNN signifie Réseau neuronal récurrent. Il met l’accent sur la capacité du réseau à gérer des séquences par des connexions « récurrentes » qui reviennent en boucle dans le réseau.
Les RNN sont appliqués dans divers domaines tels que la modélisation linguistique, la traduction automatique, la reconnaissance vocale et la prédiction de séries chronologiques. Ils sont particulièrement utiles pour les tâches où le contexte des entrées précédentes influence la sortie actuelle.
Le réseau RNN de base se compose d’une couche de neurones où la sortie de chaque neurone à chaque pas de temps est réinjectée dans le réseau avec l’entrée suivante. Cette boucle de rétroaction permet au réseau de maintenir un état caché qui transporte les informations des entrées précédentes, lui permettant ainsi de traiter des séquences de données.
