循环神经网络可以生成序列。每次处理单组的真实数据序列之后，就预测接下来会发生什么。那这种模型是怎么一步一步搭起来的呢？
假设，预测的结果是存在概率分布的话，那么可以反复取各种输入值，产生新的序列。输入值的来源可以是已经训练过的网络的输出值，取得越分散越好。换句话说，让神经网络把自己生成的结果，当作真实世界里产生的数据值，用作输入，就像一个人在做梦一样。梦里那些虚幻不存在的场景，也能成为我们记忆中感知的一部分。
不同领域里神经网络的应用
在真实的商业环境里，神经网络已经应用很广泛了，比如销售量预测，用户调查，数据有效性，和风险调控。
市场
目标市场与市场细分有关，根据用户不同的消费行为，我们能把市场划分得很细。
按地域分布，经济能力、购买习惯、对产品的态度等维度分类，是神经网络最拿手的事。无监督学习可以自动把有相似属性的用户分类到一起。
零售行业
神经网络用来预测超市的销售量特别有优势，因为它能多维度考虑问题。比如一个产品可能有多大的市场需求量，一个消费者的收入，人口分布，产品价格等方面。
一旦两个商品，在某段时间内他们的销售量存在间接的联系，像一个用户买完打印机之后，很大可能会在3到4个月的时候需要补充新墨盒，那么零售商可以从顾客的购买数据来有效地推产品，避免顾客流失到竞争对手那。
金融行业
神经网络已经成功解决了多个金融类的问题，比如衍生类的保值型理财产品，未来价值的预测，外汇汇率的预测，以及股票市场的表现。以前，是数据技术驱动着软件的发展；现在，神经网络驱动着大家做出更优的理财选择。
也许，用神经网络解决实际问题的同时，未来神经网络还能当艺术家创作的工具，混合出新的视觉效果。说不定我们还可以从中发现创意的规律
