RNN 循环神经网络
BRNN 双向循环神将网络
双向循环神经网络（BRNN）
RNN和LSTM都只能依据之前时刻的时序信息来预测下一时刻的输出，但在有些问题中，当前时刻的输出不仅和之前的状态有关，还可能和未来的状态有关系。比如预测一句话中缺失的单词不仅需要根据前文来判断，还需要考虑它后面的内容，真正做到基于上下文判断。BRNN有两个RNN上下叠加在一起组成的，输出由这两个RNN的状态共同决定。BRNN结构图如下图图所示
对于每个时刻t，输入会同时提供给两个方向相反的RNN，输出由这两个单向RNN共同决定。
TensorFlow中相关函数 RNN: tf.nn.dynamic_rnn BRNN: tf.nn.bidirectional_dynamic_rnn
详细理解而函数区别参考：https://www.cnblogs.com/lovychen/p/9294624.html