是的，递归神经网络（recursive NN）与递归神经网络（RNNs）有关，因为它们泛化了后者（至少在结构上），如深度学习书的第 10.6 节所述，类似于树泛化的方式一个列表/数组。

因此，在列表/数组中，元素$e_1$连接到元素$e_2$，它连接到元素$e_3$， 等等。在树中，元素$e_1$可以连接到多个其他元素（节点），并且同样适用于其他元素，前提是没有循环，否则，您会得到一个图，它是树的概括。

如果这些解释尚不清楚，了解两者之间区别的最佳方法是查看 RNN 和递归 NN 的图表。

这是一个RNN。

标题应描述图表（以防不清楚）。需要注意的重要一点是，在左侧，我们有一个 RNN，它看起来像一个列表。

这是一个递归NN。

看起来像一棵树。

RNN 有很多变体（例如双向 RNN、多层 RNN、LSTM 或 GRU）和递归 NN（例如尝试平衡树，类似于红黑树是平衡二叉搜索树的方式） ，因此我们无法提供有关这两种方法之间差异的所有详细信息。

但是，应该记住一些事情

• 递归神经网络可以在解析树的上下文中使用
• 递归神经网络已被用于处理数据结构作为神经网络的输入
• 递归神经网络中的节点不一定执行线性运算，然后执行非线性运算