前言
CNN模型主要用到人的视觉中枢,但其有一劣势,无论是人类的视觉神经还是听觉神经,所接受到的都是一个连续的序列,使用CNN相当于割裂了前后的联系。
CNN,训练样本输入输出确定,(输入连续的序列,长短不一:一段连续的手写文字),比较难切分一个独立样本:
【我是中国人,我的母语是___。】
RNN
RNN是一种用来处理和预测序列数据的特殊的神经网络,这种神经网络的功能与人的思考习惯类似。RNN是为了**解决文本中当前输出与当前输入和前一时刻
输出的关系而诞生的神经网络**。主要应用在语音识别,机器翻译,中文分词和词性标注等序列化数据领域,并在该领域取得了良好的成果。经典的RNN结
构由输入层,隐含层和输出层组成。RNN可以学习文本上下文的语义信息,抽取到的特征信息可以作为其他神经网络或其他模型的输入,也可以放入softmax
函数直接进行情感极性的
分类。
RNN在t时刻的展开图如图1所示。
在全连接神经网络或卷积神经网络中,网络结果都是从输入层到隐含层再到输出层,层与层之间是全连接或部分连接的,但每层之间的结点是无连接的
考虑这样一个问题,如果要预测句子的