循环神经网络真的可以学习序列内部信息吗？

rnn，lstm 这类的神经网络确实可以从过去的信号中学习到一些内在的信息，从而预测未来的信号走向。这是因为循环神经网络具有一定的记忆能力，可以在处理序列数据时，通过记忆之前的状态来影响当前的输出，实现对序列数据的建模和预测。

循环神经网络相比传统的波滤器能更好地处理非线性、复杂的序列数据，自适应学习数据的特征。传统的滤波器通常是静态的，要手动设置参数，循环神经网络可以通过反向传播算法自动学习参数，更加灵活和自适应。

循环神经网络可以处理变长的序列数据，传统滤波器则无法处理。