CNN和RNN有什么区别?
1 1314
1
该提问暂无详细描述
收藏
2021-01-22 20:14 更新 同步 •  1732
共 1 个回答
高赞 时间
0

CNN 卷积神经网络(Convolutional Neural Networks, CNN)是一种深层神经网络。这是最常用于分析视觉图像的方法。 神经网络的输入是一个向量,而这里的输入是一个多通道图像。

CNN使用多层感知器的变体设计,需要最少的预处理。这意味着网络学习传统算法中手工设计的过滤器。这种与特征设计中的先前知识和人力的独立性是一个主要优点。

RNN

循环神经网络(RNN)是一种人工神经网络,旨在识别序列数据中的模式,如文本、基因组、笔迹、口语、数字时间序列数据。

RNN模型中的每个节点都可以充当存储单元,继续进行运算的计算和实现。如果网络的预测不正确,则系统会自我学习并在反向传播期间继续朝着正确的预测工作。RNN能够记住它们接收到的输入相关的重要信息,这使它们能够非常精确地预测接下来会发生什么。

他们的主要区别主要有以下几点:

  • CNN空间扩展,神经元与特征卷积;RNN时间扩展,神经元与多个时间输出计算

  • RNN可以用于描述时间上连续状态的输出,有记忆功能,CNN用于静态输出

  • CNN高级100+深度,RNN深度有限

收藏
2021-01-22 20:15 更新 gitvrar •  467