循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）是目前深度學(xué)習(xí)最有前景的工具之一杖们，它解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不能共享從數(shù)據(jù)中共享位置的特征的問題。目前肩狂，RNN已經(jīng)有了不少有意思的應(yīng)用：
語音識別：輸入的語音數(shù)據(jù)摘完，生成相應(yīng)的語音文本信息。比如微信的語音轉(zhuǎn)文字功能傻谁。
機器翻譯：不同語言之間的相互轉(zhuǎn)換孝治。像有道翻譯、騰訊翻譯官等审磁。最近微軟據(jù)說實現(xiàn)了中翻英媲美人類的水平
音樂生成：使用RNN網(wǎng)絡(luò)生成音樂谈飒，一般會用到RNN中的LSTM算法（該算法可以解決RNN網(wǎng)絡(luò)中相距較遠(yuǎn)的節(jié)點梯度消失的問題）。下面這個github項目實現(xiàn)了jazz音樂的生成态蒂。
deepjazz
文本生成：利用RNN亦可以生成某種風(fēng)格的文字杭措。有興趣的可以看一下一下兩個github項目
numpy實現(xiàn)字符層面的文本生成器
keras實現(xiàn)特定作家風(fēng)格的文本
情感分類：輸入文本或者語音的評論數(shù)據(jù)，輸出相應(yīng)的打分?jǐn)?shù)據(jù)钾恢。
DNA序列分析：輸入的DNA序列手素，輸出蛋白質(zhì)表達的子序列鸳址。
視頻行為識別：識別輸入的視頻幀序列中的人物行為。
實體名字識別：從文本中識別實體的名字泉懦。
