Machine learning 作为特征提取的递归神经网络_Machine Learning_Deep Learning_Recurrent Neural Network

Machine learning 作为特征提取的递归神经网络

machine-learning deep-learning

Machine learning 作为特征提取的递归神经网络,machine-learning,deep-learning,recurrent-neural-network,Machine Learning,Deep Learning,Recurrent Neural Network,对于卷积网络，可以将卷积部分（卷积、最大池等）视为特征提取，然后将其反馈到进行分类（或多或少）的前馈网络循环网络（RNN、LSTM等）是否也是如此，即循环层创建数据/特征的表示，然后将数据/特征输入前馈层我是从情绪分析的角度来思考的，即“顺序对一”模型。你认为有一个递归层+一个前馈层会优于只有一个递归层网络吗？递归层就像是有反馈回路的前馈神经网络。他们只是把有用的信息从过去传递到现在一个合理的解释是：在向RNN添加更多层时，您可以在本文认为，深部RNN优于传统RNN

对于卷积网络，可以将卷积部分（卷积、最大池等）视为特征提取，然后将其反馈到进行分类（或多或少）的前馈网络

循环网络（RNN、LSTM等）是否也是如此，即循环层创建数据/特征的表示，然后将数据/特征输入前馈层

我是从情绪分析的角度来思考的，即“顺序对一”模型。你认为有一个递归层+一个前馈层会优于只有一个递归层网络吗？

递归层就像是有反馈回路的前馈神经网络。他们只是把有用的信息从过去传递到现在

一个合理的解释是：

在向RNN添加更多层时，您可以在

本文认为，深部RNN优于传统RNN