深度学习-循环神经网络

序列到类别的循环神经网络：是一种将输入序列映射到单一类别标签的模型结构，输入序列首先通过嵌入层进行向量化，接着进入循环层以捕捉时间依赖特征，循环层的输出可以通过池化层聚合时间信息，最终通过全连接层和softmax激活函数生成类别概率分布，该模型广泛用于情感分析，语音识别等任务，能够有效处理序列数据并完成分类。

同步序列到序列的循环神经网络：主要包括编码器和解码器两个部分。

编码器：编码器是一个RNN，用于读取输入序列，并将其信息压缩到一个上下文向量，这个向量作为输入传递给解码器。

解码器：解码器是另一个RNN，用于根据上下文向量和当前输入生成输出序列。

在同步序列到序列模型中，编码器和解码器通常同步进行，即解码器在编码器每一步完成后，直接使用编码器的状态生成输出，这样的机制在没有特别严格的序列关系下效果良好，例如音频处理，语音识别等实时任务中。