循环神经网络（RNN）是目前深度学习最有前景的工具之一，它解决了传统神经网络不能共享从数据中共享位置的特征的问题。目前，RNN已经有了不少有意思的应用：
语音识别：输入的语音数据，生成相应的语音文本信息。比如微信的语音转文字功能。
机器翻译：不同语言之间的相互转换。像有道翻译、腾讯翻译官等。最近微软据说实现了中翻英媲美人类的水平
音乐生成：使用RNN网络生成音乐，一般会用到RNN中的LSTM算法（该算法可以解决RNN网络中相距较远的节点梯度消失的问题）。下面这个github项目实现了jazz音乐的生成。
deepjazz
文本生成：利用RNN亦可以生成某种风格的文字。有兴趣的可以看一下一下两个github项目
numpy实现字符层面的文本生成器
keras实现特定作家风格的文本
情感分类：输入文本或者语音的评论数据，输出相应的打分数据。
DNA序列分析：输入的DNA序列，输出蛋白质表达的子序列。
视频行为识别：识别输入的视频帧序列中的人物行为。
实体名字识别：从文本中识别实体的名字。
