知识卡片
CNN与RNN
另两种神经网络架构:卷积神经网络(CNN/ConvNet)以图像识别中的优异表现流行于计算机视觉,核心是构建多层特征检测器处理像素的空间排列,是当下深度学习最流行的架构之一。循环神经网络(RNN)是可理解为含时间相关反馈循环/反向传播的前馈网络,相当于带额外时间变量的多层感知器,能接受当前及此前的输入,在语音识别/语言翻译/手写识别成效显著,但因不能简单逐层反向传播而训练困难。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 使用人工神经网络识别图像 · 查看原书依据
循环神经网络(recurrent neural network)。
参考来源
- 位置:《Python机器学习》第12章《12.7 其他神经网络架构》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0163.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:循环神经网络(recurrent neural network)。