神经网络之区别

神经网络之区别

开门见山的说：
这条路太te me 难了
感知器：只能训练简单的函数，不能训练复杂的。于是出现了下面的东西。
多层感知器：能够训练更加复杂的模型，但是极易陷入局部最优，会出现梯度弥散。
DNN：模型和多层感知器差不多，但是参数量大，极易会出现过拟合。
CNN（卷积神经网络）：限制了参数，共享参数，并且挖掘了局部结构的特点。但是无法对时间序列的变化建模。
RNN（循环神经网络）：解决了时间序列的问题，但是又出现了梯度弥散的问题。
LSTM：可以拟合序列数据，通过遗忘门和输出门忘记部分信息来解决梯度消失的问题。