算法动画 · 神经网络
RNN 序列处理动画
展示循环神经网络如何逐步处理序列数据，通过隐藏状态传递历史信息。
Recurrent Neural Network (RNN)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
未激活·当前高亮（6 个元素）
1
展开 RNN 的时间维度：同一个网络在不同时间步接收不同的输入，隐藏状态在时间步之间传递。
第 1 步 / 共 617%
🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
💡
概念RNN的"循环"不是网络有多个副本，而是同一个网络在不同时间步被反复使用。展开后看起来像一条链，但实际上所有时间步共享同一组参数——这就是它参数高效的原因。
一句话总结
💡
循环神经网络通过隐藏状态在时间步之间传递信息，适合处理序列数据如文本、语音和时间序列。
常见误区
这些坑别踩
✗
误区 1
RNN和CNN一样可以并行处理所有时间步。
✓
正确理解
RNN的隐藏状态依赖前一时间步，必须按顺序处理无法并行，这是其训练慢的根本原因，Transformer通过注意力机制解决了并行问题。
✗
误区 2
RNN能记住任意长度的历史信息。
✓
正确理解
标准RNN受梯度消失/爆炸影响，实际上只能记住短期信息，长程依赖需要LSTM、GRU等门控结构或注意力机制来缓解。
巩固练习
章节练习与面试准备
通过测试检验学习效果，通过面试题提升实战能力
章末测试
共 4 题 · 选择题
1
RNN（循环神经网络）最适合处理哪类数据？
2
关于 RNN 的"隐藏状态"（hidden state），下列描述正确的是？
3
RNN 中"参数共享"的含义是什么？
4
下列关于 RNN 与前馈神经网络（FNN）区别的描述，错误的是？
面试经典题
共 4 题 · 先思考再看答案
1
基础
什么是循环神经网络（RNN）？它的核心思想和典型应用有哪些？
2
中等
解释 RNN 中"隐藏状态"的作用，并说明它如何实现序列记忆。
3
中等
为什么 RNN 要在所有时间步共享参数？这样设计有什么优缺点？
4
困难
RNN 有哪些常见变体？它们分别适用于什么场景？
💡 建议：先独立思考并组织语言，再对照参考答案查漏补缺