神经手写识别（NHR）是一种利用深度学习模型进行手写文本识别的方法。具有MDLSTM层的模型在手写文本识别任务上取得了当前最优的结果。虽然多向MDLSTM层具有强大的能力，但是这种能力限制了并行化的可能性，因此计算成本很高。在论文《No Padding Please: Efficient Neural Handwriting Recognition》中，研究者开发了一些方法来为NHR创建基于MDLSTM的有效模型，旨在消除填充（padding）导致的计算浪费。对于基于词的NHR，相对于每批单独使用最小填充量这一已经有效的基线，该方法的速度提高了6.6倍。