这门课程将带你从时间序列与语境依赖出发，理解循环神经网络为何成为序列建模的起点。课程围绕RNN核心机制展开：隐藏状态如何记忆历史、当前输入与上一状态如何共同决定输出、权重共享为何能减少参数并支持变长序列，以及BPTT如何沿时间反向传播。你还会理解梯度消失与爆炸的根源，并看清LSTM、GRU等改进模型要解决什么问题。课程不止讲理论，还通过滑动窗口、数据重塑、SimpleRNN+Dense搭建、MSE训练与预测的完整案例，让你亲手完成序列预测任务。适合想进入深度学习、自然语言处理、时间序列预测或工业异常预警的学习者与开发者。学完后，你能掌握RNN的前向传播、多对一/一对多/多对多结构、参数计算与基础实战，并为后续LSTM、GRU、Transformer学习打下扎实基础。