一、说明
循环神经网络是深度学习的主要内容之一，它允许神经网络处理文本、音频和视频等数据序列。它们可用于将序列简化为高级理解、注释序列，甚至从头开始生成新序列！
二、引进长记忆网络
基本的 RNN 设计很难处理较长的序列，但一种特殊的变体——“长短期记忆”网络 [1]——甚至可以处理这些序列。人们发现此类模型非常强大，在翻译、语音识别和图像字幕等许多任务中取得了显着的成果。因此，循环神经网络在过去几年中变得非常普遍。
随着这种情况的发生，我们看到越来越多的人尝试用新的属性来增强 RNN。有四个方向特别令人兴奋：
单独来看，这些技术都是RNN的有力扩展，但真正引人注目的是它们可以组合在一起，似乎只是更广阔空间中的点。此外，它们都依赖于相同的潜在技巧 - 称为注意力的东西 - 来工作。
我们的猜测是，这些“增强的RNN”将在未来几年内在扩展深度学习的能力方面发挥重要作用。
