Рекуррентные уравнения применяются в современных алгоритмах машинного обучения для обработки последовательных данных (временных рядов). 4

Рекуррентные нейронные сети (RNN) запоминают входную последовательность, сохраняют её в состояниях памяти и предсказывают будущие слова или предложения. 2 Например, они помогают в распознавании речи, машинном переводе, прогнозировании временных рядов и продаж. 2

Также в машинном обучении используется шаговая регрессия и рекуррентный метод наименьших квадратов (рекуррентный МНК). 3

Ещё один пример применения рекуррентных уравнений — метод обратного распространения ошибки с разворачиванием сети во времени. 5 Он позволяет обучить параметры рекуррентной нейронной сети, представив её в виде сети с прямым распространением сигнала. 5