从rookie到基佬~010：RNN和CNN的区别

高产似母猪

今日变弯小技巧：RNN和CNN的区别

结论：RNN(循环神经网络)，当前节点的输入包含之前所有节点信息。CNN(卷积神经网络)，当前节点的输入以树结构形式仅包含上一层节点信息

CNN神经网络：人类的视觉总是会关注视线内特征最明显的点。
RNN神经网络：事物的发展是按照时间序列展开的，即前一刻发生的事物会对未来的事情的发展产生影响。

绫波丽镇楼

RNN(循环神经网络)，和CNN(卷积神经网络)是深度学习经常进行比较的两个概念

RNN(循环神经网络)，当前节点的输入包含之前所有节点信息。

CNN(卷积神经网络)，当前节点的输入以树结构形式仅包含上一层节点信息

具体应用场景

RNN 的应用场景有：

语句生成：应用于自动翻译、智能对话领域;

视频分类(需要与 CNN 结合)：应用于视频搜索;

图片标注(需要与 CNN 结合)：应用与看图说话;

CNN的应用场景包括：

目标分类：应用领域有人脸识别、物品识别、场景识别、文字识别等;

目标检测：应用领域有安防和驾驶;

增强学习：应用领域有围棋、扑克、自动游戏、机器人运行控制

CNN

人眼对明显的特征最敏感，人眼解析食物的时候，相当于用滤镜扫过图像。CNN正是利用了这样的一种特性，来扫描并记录图片信息。
首先生成一个滤镜，并对图像整体进行扫描过滤，通过这个滤镜filter解析，得到很多个扫描后的图片分支结果。

RNN

RNN的假设——事物的发展是按照时间序列展开的，即前一刻发生的事物会对未来的事情的发展产生影响。

所以，在处理过程中，每一刻的输出都是带着之前输出值加权之后的结果。