RNN（Recurrent Neural Network，循环神经网络）可以基于其输出的形式以及神经元之间的连接方式进行分类。以下是几类常见的RNN：

- one-to-one：普通前馈神经网络，仅将输入连接到输出，没有循环连接。

                        应用举例：图像分类
- one-to-many：仅在序列的起始位置输入一个向量，并生成一个序列。

                        应用举例：图像转文字
- many-to-one：在每个时间步输入一个向量，并生成一个单一的向量（例如，情感分析），隐藏节点保存了整个序列的信息并输出预测结论。

                        应用举例：文本分类
- many-to-many：每一步都有输入和输出。如果输入和输出在不同时间步上，则分为编码器-解码器（encoder-decoder）模型。编码器(RNN)将输入序列映射到向量，解码器(RNN)将向量解码成输出序列；如果输入和输出在相同的时间步上，则分为同步(synchronous)和异步(asynchronous)RNN模型。

                        应用举例：文本翻译

 最后一种many-to-many是同步的，不常用。