Fatal编程技术网
  • machine-learning/
  • Machine learning 每种类型的神经网络（RNN、CNN、LSTM等）的优势在哪里？

Machine learning 每种类型的神经网络（RNN、CNN、LSTM等）的优势在哪里？

machine-learning neural-network deep-learning

Machine learning 每种类型的神经网络（RNN、CNN、LSTM等）的优势在哪里？,machine-learning,neural-network,deep-learning,Machine Learning,Neural Network,Deep Learning,例如，我知道CNN擅长分析图像 其他类型在哪里表现出色？这不是一个非常全面的答案，但您必须首先了解两件事： FNN和RNN是网络类型 FNN是一种前馈神经网络，RNN是一种神经网络。这些不是体系结构本身 >递归神经网络 递归神经网络通常适用于先前输入和当前输入之间存在关系的数据 LSTM-非常适合检测/预测长时间跨度内出现的模式 GRU-与LSTM相同 Hopfield-非常适合记忆训练过的模式，而不是检测它们 NARX-非常适合在固定的时间跨度内检测/预测模式 >前馈神经网络 前馈神经网络无法

例如，我知道CNN擅长分析图像

其他类型在哪里表现出色？

这不是一个非常全面的答案，但您必须首先了解两件事：

FNN和RNN是网络类型

FNN是一种前馈神经网络，RNN是一种神经网络。这些不是体系结构本身

>递归神经网络

递归神经网络通常适用于先前输入和当前输入之间存在关系的数据

LSTM-非常适合检测/预测长时间跨度内出现的模式 GRU-与LSTM相同 Hopfield-非常适合记忆训练过的模式，而不是检测它们 NARX-非常适合在固定的时间跨度内检测/预测模式 >前馈神经网络

前馈神经网络无法检测先前输入和当前输入之间的关系

CNN-非常适合维度数据，也非常适合神经元“位置”重要的数据 MLP-一个规则的全连接网络，基本上可以映射任何功能 遗言

这些“架构”中的大多数经常被组合在一起：例如，如果你想在视频中检测情感，你很可能需要在CNN和LSTM之间进行组合