Recurrent Neural Network (RNN) is een soort kunstmatig neuraal netwerk waarbij verbindingen tussen knooppunten een gerichte grafiek vormen langs een temporele reeks. Hierdoor kan het temporeel dynamisch gedrag vertonen, waardoor het geschikt is voor taken waarbij sequentiële gegevens betrokken zijn.
In neurale netwerken verwijst RNN naar een klasse modellen die zijn ontworpen om patronen in reeksen gegevens te herkennen, zoals tijdreeksen, spraak of tekst. RNN’s kunnen invoer van verschillende lengtes verwerken door een verborgen status te behouden die informatie uit eerdere stappen in de reeks vastlegt.
RNN staat voor Recurrent Neural Network. Het benadrukt het vermogen van het netwerk om reeksen af te handelen via “terugkerende” verbindingen die teruglussen in het netwerk.
RNN’s worden toegepast op verschillende gebieden, zoals taalmodellering, automatische vertaling, spraakherkenning en tijdreeksvoorspelling. Ze zijn met name handig voor taken waarbij de context van eerdere invoer de huidige uitvoer beïnvloedt.
Het basis-RNN-netwerk bestaat uit een laag neuronen waarbij de output van elk neuron bij elke tijdstap samen met de volgende input wordt teruggevoerd naar het netwerk. Dankzij deze feedbacklus kan het netwerk een verborgen status behouden die informatie van eerdere invoer bevat, waardoor het gegevensreeksen kan verwerken.