递归神经网络

与局限于分析单个时间点数据的CNN和FCN不同，递归神经网络（recurrent neuralnetworks，RNN）可以存储不同时间间隔或时间点的输入数据，以便对这些数据进行循环处理，并且可以从（通常是数百万）不连续的早期步骤反复学习。其中，长-短期记忆（Long shortterm memory）网络是“循环关口（recurrent gates）”加强型RNN的一种表现形式。这种“循环关口”通常也被称为“忘记门（forget gates）”，忘记门的存在可使CNN通过回顾处理过程中衍生的错误对目标任务重新学习。(https://www.daowen.com)