RKNN，全稱Recurrent Kernel Neural Network，是一種新型的神經網路模型，具有高效、可解釋性強等特點，被廣泛套用於自然語言處理、計算機視覺等領域。
RKNN的基本原理是將傳統神經網路中的全連線層替換為局部連線層，從而實現對數據的高效計算。在RKNN中，每個神經元只與輸入數據的一個局部區域相連，這大大減少了模型的參數數量，提高了模型的泛化能力。此外，RKNN還引入了循環神經網路（RNN）的思想，使得模型可以更好地處理序列數據。
RKNN的套用場景包括自然語言處理、計算機視覺、語音識別等。在自然語言處理領域，RKNN可以通過對文本中的局部特徵進行提取和組合，實現對文本的分類、情感分析、機器翻譯等任務。在計算機視覺領域，RKNN可以通過對圖像中的局部區域進行提取和組合，實現對圖像的分類、目標檢測、人臉識別等任務。在語音識別領域，RKNN可以通過對語音信號的局部特徵進行提取和組合，實現對語音的識別、轉寫等任務。