Recurrent Neural Network
Esistono diversi tipi:
- fully recurrent network
- Hopfield network
- Elman Network
https://en.wikibooks.org/wiki/Artificial_Neural_Networks/Recurrent_Networks
https://en.wikipedia.org/wiki/Recurrent_neural_network
Rispetto alle reti Feed Forward, le reti RNN sono diverse nel senso che il loro output dipende dalla storia completa della rete dalla prima volta che è stata usata.
Per ottenere questo risultato, ogni layer della rete deve avere due tipi di connessioni:
- il tipo tradizionale che proviene dal layer precendete (in grigio)
- il nuovo tipo che proviene anche dai layer successivi (in nero) o da se stesso
In questo semplice esempio, l'output del passo N-1 viene rimesso in input al passo N fornendo una semplice memoria dello stato passato.
Questo permette di ottenere una specie di memoria di tipo predittivo, come quella del cervello: funzione_memoria_predittiva
Questa enorme complicazione delle connessioni porta sia vantaggi che svantaggi.
Ad esempio, cambia l'algoritmo di addestramento.