신경망을 구성하는 노드간의 연결이 시간적 순서에 따라 방향 그래프를 형성하는 신경망 구조를 의미함. 표준적 전방향 신경망과 달리 RNN 에는 피드백 연결이 있음. 일련의 연속된 입력 패턴을 처리할 수 있어서 필기 또는 음성 인식과 같은 작업에 양호한 성능을 보임. 텍스트와 같은 시퀀스 데이터를 입력으로 받아 다른 시퀀스로 출력하는 신경망 모델.1
활용 및 발전방향
- 실무 적용: RNN 개념을 실제 프로젝트나 업무 상황에 직접 적용해 이해를 심화한다.
- 연관 개념 학습: 관련 노트와 연결하여 맥락을 넓히고 응용 범위를 확장한다.
- 비교 분석: 유사한 방법론·도구와 비교하며 장단점을 파악한다.
- 참고 자료 탐색: 공식 문서나 전문 서적을 통해 더 깊은 이해를 추구한다.
- 사례 수집: 실제 사례를 꾸준히 수집하여 이 노트를 발전시킨다.
관련 노트
- LSTM — 공유 키워드:
AI,RNN,딥러닝 - CNN — 공유 키워드:
AI,딥러닝,신경망 - RNN-T — 공유 키워드:
AI,RNN,딥러닝 - 비심볼릭 추론 — 공유 키워드:
AI,딥러닝,신경망 - 심화강화학습 — 공유 키워드:
AI,딥러닝,신경망
Footnotes
-
쉽게 활용하는 인공지능 비즈니스 ↩