数据挖掘09 —— 基于神经网络的序列数据挖掘
一、循环神经网络
1.定义
**循环神经网络（Recurrent Neural Network, RNN）**是一种专门用于处理序列数据的神经网络结构。
2.核心思想：引入“循环”实现记忆
在标准神经网络中，每个输入是独立处理的。
而在 RNN 中，当前时刻的输出不仅取决于当前输入，还取决于上一时刻的“隐藏状态”（hidden state）。
怎么理解独立处理呢？
举个例子 ：
想象你在看一组照片：
标准神经网络（如 CNN）：
每张照片单独判断是不是“猫”，不关心上一张是什么。
这就是照片之间独立处理。
循环神经网络（RNN）：
你在看一个视频（照片序列），判断主角是否在“挥手”。
必须结合前几帧（手的位置变化）才能判断。
这就是 当前帧的判断依赖历史帧。
题目
答案: ACD
B是错误的。DTW 的核心优势就是能处理长度不同的序列！（详情见上一篇文章数据挖掘07）
A 正确：HMM 和 RNN 共享参数，支持变长序列。
C 正确： RNN 的隐藏状态是递推更新的核心机制。
D 正确：多层感知机（MLP） 输入维度固定，不能直接处理变长序列。
