循环神经网络是建模序列数据的强大架构。然而，许多流行任务都涉及多维输入特征，而且输入向量的维度之间具有很强的内部依赖性。在论文《Quaternion Recurrent Neural Networks》中，Yoshua Bengio 等研究者提出了一种新的四元循环神经网络（QRNN）以及相应的四元长短期记忆网络（QLSTM），将四元代数的外部关系和内部架构依赖性皆考虑在内。实验证明，与 RNN 和 LSTM 相比，QRNN 和 QLSTM 都在自动语音识别等实际应用中达到了更好的性能。