RNN，RNN是什么意思

本文目录一览

1，RNN是什么意思
2，rnn 是循环神经网络还是递归神经网络
3，如何理解用rnn替代cnn做图像处理
4，RNN中支持的一些基本算子如何对序列数据进行组织
5，如何有效的区分和理解RNN循环神经网络与递归神经网络
6，在做语音识别时RNN和CNN各有什么优缺点

1，RNN是什么意思

反最近邻计算

RNN是什么意思

2，rnn 是循环神经网络还是递归神经网络

在一定程度上可以认为recurrent nn是recursive nn的一种变体。recursive nn更general。

RNN包括循环神经网络和递归神经网络

rnn 是循环神经网络还是递归神经网络

3，如何理解用rnn替代cnn做图像处理

就是将目标特征从背景中分割出来。医学图像分割，可以查看感兴趣的区域，从而忽略不需要的区域的干扰。如看骨折，只需要将骨头所表示的特征图像（一般是一定会度值的一块区域）从背景（如肌肉，另一种灰度值）分割出来，而其它的肌肉等则不显示（为黑色）。可以更有利于医生分析病情而减少误判。

不是说影响，而是对这个序列进行建模。但是无论如何我还是觉得有点强行rnn的意思。

如何理解用rnn替代cnn做图像处理

4，RNN中支持的一些基本算子如何对序列数据进行组织

RNN可以同时接受输入序列并产生输出序列。这种类型的序列到序列的网络可用于预测诸如股票价格之类的时间序列：你将过去N天的价格作为输入，它必须输出未来偏移一天的价格(即从前N-1天到明天)你可以向网络提个一个输入序列，并忽略除了最后一个输出外的所有输出。换句话说，这是一个序列到向量的网络。例如，你可以向网络提供与电影评论相对应的单词序列，然后网络将输出一个情感得分(例如从-1[恨]到+1[爱])你可以在每个时间步长中一次又一次地向网络提供相同的输入向量，并让其输出一个序列。这是一个向量到序列的网络。例如，输入可以是图像(或CNN的输出)，而输出可以是该图像的描述

5，如何有效的区分和理解RNN循环神经网络与递归神经网络

NN建立在与FNN相同的计算单元上，以牺牲计算的功能性为代价来简化这一训练过程，其中信息从输入单元向输出单元单向流动，在这些连通模式中并不存在不定向的循环。FNN是建立在层面之上。因此，为了创建更为强大的计算系统，我们允许RNN打破这些人为设定强加性质的规定，神经元在实际中是允许彼此相连的，两者之间区别在于：组成这些神经元相互关联的架构有所不同，我们还是加入了这些限制条件。事实上：RNN无需在层面之间构建，同时定向循环也会出现。尽管大脑的神经元确实在层面之间的连接上包含有不定向循环

在一定程度上可以认为recurrent nn是recursive nn的一种变体。recursive nn更general。

6，在做语音识别时RNN和CNN各有什么优缺点

关注问题写回答1 个回答默认排序YJangoYJango日本会津大学人机界面实验室博士在读17 人赞同了该回答long dependence方面是LSTM的优势。比如句子“我在日本生活过五年，我可以说流利的日语”，单向LSTM可以在之前所说内容的基础上对当前内容进行判断，可以照顾到日本与日语之间的关系。双向LSTM还可以基于未来的内容判断当前内容。主要是这种判断可以在整个句子之间进行。同时如果用LSTM做回归的话，输出不需要做后续处理就非常平滑。CNN的语音识别的特征（feature）通常是是频谱图（spectrogram），类似图片识别的处理方式。同样也可以利用filter size，基于过去和未来的信息判断当前内容。但由于size固定，long dependence方面不如LSTM。不过CNN可以同一信息用不同的feature m

沙特阿拉伯国王什么时候来北京坊间再看看别人怎么说的。