基于六轴传感器信号和深度学习模型的人体动作识别(五)深度学习之递归神经网络

matlab的旋律

      递归神经网络（Recurrent Neural Networks, RNN）是一种具有循环结构的神经网络，可以在序列数据等时序数据上进行建模。它具有延时反馈的结构，可以将序列中的上下文信息传递到后续的处理中。递归神经网络最早可以追溯到20世纪60年代末期，早期的递归神经网络只具备一个简单的反馈过程，被称为Elman网络。这种简单的反馈过程被用来做时间序列预测和语音识别等任务。然而，由于网络中的反馈是浅层的，无法处理大规模或高维的时序数据。1997年，Hochreiter 和 Schmidhuber 提出Long Short-Term Memory（LSTM）网络，该网络能够保留较长的历史信息，并且能够控制历史信息对于当前输入的作用。LSTM的提出大大改进了递归神经网络的建模能力，使其得以在语言建模、机器翻译和图像描述等任务上得到广泛应用。2001年，另一种递归神经网络Gated Recurrent Unit（GRU）被提出，它相比LSTM更加简洁，却也能够处理长序列数据。之后，又相继提出了各种变种，例如双向LSTM网络、时间卷积神经网络、卷积LSTM网络、卷积GRU网络等。