什么是“递归神经网络”，与“卷积神经网络”有何不同
CNN和RNN是神经网络家族中最重要的算法，它们的网络过程和解决问题也有所不同。
因此，谈论它们的差异：
CNN用于解决分类和回归问题，RNN用于解决序列信息。
CNN用于2D图像数据，RNN用于序列数据（例如带时间戳的销售数据，文本序列，心跳数据等）。
那么“序列”是什么意思？
序列示例：
1）时间序列数据
2）句子
3）音讯
4）汽车轨迹
5）音乐
人类将很容易预测序列[1
因此，要做到这一点，我们告诉神经元以前从神经网络输出的输出历史，并且要做到这一点，我们只需将输出再次作为输入反馈即可。
以图像作为视觉解释
一个简单的神经网络如下所示：
但是递归神经网络是这样的
因此，完整的递归神经网络的工作原理如下。
作为先前时间步长的输入函数的单元也称为存储单元。
对于序列和单个矢量值，RNN的输入和输出也很灵活。
具有三个神经元的人工神经网络。
具有三个神经元的递归神经网络
RNN如何灵活地输入和输出？
RNN的主要缺点
1）我们只记得以前的输出，如果我们可以追踪较长的历史记录，那就太好了。
2）另一个主要问题是“消失梯度”。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！