卷积和递归神经网络有什么区别？

Question

我是神经网络主题的新手.我遇到了两个术语卷积神经网络和递归神经网络.

我想知道这两个术语是指同一个词,或者,如果没有,它们之间会有什么区别？

Answer 1

CNN和RNN之间的差异如下:

CNN:

1. CNN采用固定大小的输入并生成固定大小的输出.

2. CNN是一种前馈人工神经网络 - 是多层感知器的变体,旨在使用最少量的预处理.

3. CNN使用其神经元之间的连接模式,并受到动物视觉皮层组织的启发,动物视觉皮层的各个神经元以这样的方式排列,即它们响应于平铺视野的重叠区域.

4. CNN是图像和视频处理的理想选择.

RNN:

1. RNN可以处理任意输入/输出长度.

2. 与前馈神经网络不同,RNN可以使用其内部存储器来处理任意输入序列.

3. 递归神经网络使用时间序列信息.也就是我最后说的话会影响我接下来会说的话.

4. RNN是文本和语音分析的理想选择.

Answer 2

卷积神经网络(CNN)被设计用于识别图像.它内部有旋圈,可以看到图像上识别出的物体边缘.设计递归神经网络(RNN)以识别序列,例如语音信号或文本.循环网络内部有循环,意味着网络中存在短暂内存.我们已经应用CNN以及RNN选择合适的机器学习算法来为BCI分类EEG信号:http://rnd.azoft.com/classification-eeg-signals-brain-computer-interface/

Answer 3

很显然,我是有点晚了这里,但我想指出任何人谁是感兴趣的神经网络对这篇文章.它不仅可以很好地解释基础知识,而且如果您想深入挖掘,它还可以为您提供原始论文,同时解决当今所有最常见的神经网络架构.

ice.cube对每个主要用途的回答非常好

Answer 4

这些架构完全不同,因此很难说"有什么区别",因为唯一的共同点是它们都是神经网络.

卷积网络是具有重叠"接收字段"的网络,执行卷积任务.

循环网络是具有循环连接的网络(沿"正常"信号流的相反方向),形成网络拓扑中的循环.