循环神经网络（Recurrent Neural Network，RNN）是一种常用于处理序列数据的神经网络结构。与传统神经网络不同，RNN 在处理序列数据时具有记忆能力，能够保留之前输入的信息，并应用于当前的输入。这使得 RNN 在自然语言处理、时间序列分析、语音识别等领域大放异彩。

RNN 的一个重要特点是它的隐藏层通过时间进行连接，可以通过时间步骤来传递信息，这使得 RNN 能够处理长度可变的输入序列。然而，传统的 RNN 存在梯度消失和梯度爆炸等问题，限制了其在长序列上的表现。为了解决这个问题，后续出现了一些改进型的 RNN 结构，如长短期记忆网络（LSTM）和门控循环单元（GRU），它们通过引入门控机制有效地缓解了梯度消失和梯度爆炸问题。

总的来说，RNN 是一种非常强大的神经网络结构，适用于许多序列数据的建模和预测任务。