在处理序列数据（如文本、语音、时间序列）时，循环神经网络（RNN）及其改进版本 LSTM 和 BiLSTM 是深度学习中的重要模型。RNN 的出现是为了解决传统前馈神经网络在序列建模中的固有缺陷，其设计灵感源于人类认知中的“记忆”机制。尽管 LSTM 强大，但它是单向的，仅能利用过去信息。机制，使网络在每一步都拥有可以传递历史信息的“隐藏状态”，从而可以处理任意长度序列并捕捉时序依赖。计算量和参数