循环神经网络 - RNN - 蝈蝈俊
原文中文,约1900字,阅读约需5分钟。发表于: 。在上一篇文章中,介绍了卷积神经网络(CNN),CNN在图像识别中有着强大、广泛的应用,但有一些场景用CNN却无法得到有效地解决,例如: 语音识别,要按顺序处理每一帧的声音信息,有些结果需要根据上下文进行识别; 自然语言处理,要依次读取各个单词,识别某段文字的语义; 这些场景都有一个特点,就是都与时间
卷积神经网络(CNN)在图像识别中应用广泛,但对于时间序列和可变长度输入的场景不适用。循环神经网络(RNN)是一种处理序列的神经网络,常用于自然语言处理。RNN具有记忆能力,能够处理任意长度的信息。Transformer是非递归的,能够处理长期依赖,训练速度快且易于并行化。根据需求选择RNN或Transformer。