卷積神經網絡(CNN)和遞歸神經網絡(RNN)有什麽區別？

DNN:有壹個問題——不可能對時間序列的變化進行建模。然而，樣本的時間序列對於自然語言處理、語音識別、手寫識別等應用非常重要。為了滿足這種需求，另壹種神經網絡結構——循環神經網絡RNN應運而生。

CNN在大規模圖像處理方面有著優異的性能，已經廣泛應用於圖像分類、定位等領域。與其他神經網絡結構相比，卷積神經網絡需要的參數相對較少，這使得它得到了廣泛的應用。

從廣義上來說，NN(或者更美的DNN)確實可以被視為包括CNN和RNN。在實際應用中，所謂的深度神經網絡DNN往往結合了許多已知的結構，包括卷積層或LSTM單元。