深度学习面试总结-1

递归神经网络（RNN），循环神经网络，是一类以序列数据为输入，在序列的演进方向进行递归确所有节点按链式连接的递归神经网络。循环神经网络在自然语言处理（Natural Language Processing, NLP），例如语音识别、语言建模、机器翻译等领域有应用。

---

卷积神经网络（CNN），是一种包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一，卷积神经网络具有表征学习的能力，能够按照阶层结构对输入的信息进行平移不变分类，因此也被称之为平移不变人工神经网络。

      LeNet-5是最早出现的卷积神经网络，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用机器视觉和自然语言处理等领域。

---

生成对抗网络(简称GAN)，新兴的网络称为强化学习(Reinforcement Learning)，其中一种很具有特色的网络为生成式对抗网络(GAN)。生成网络（Generator）负责生成模拟数据；判别网络Discriminator）负责判断输入的数据是真实的还是生成的。生成网络要不断优化自己生成的数据让判别网络判断不出来，判别网络也要优化自己让自己判断得更准确。二者关系形成对抗，因此叫对抗网络。

深度卷积神经网络(DCGAN)
生成网络:卷积神经网络+反卷积神经网络(前者负责提取图像特征，后者负责根据输入的特征重新生成图像（即假数据）)。

判别网络：卷积神经网络+全连接层(前者负责提取图像特征，后者负责判别真假。)

参考资料：

1.科普 | 深度学习算法三大类：CNN，RNN和GAN - 知乎

2.循环神经网络_百度百科

3.GAN（生成对抗网络）的系统全面介绍（醍醐灌顶）_打灰人的博客-CSDN博客_gan网络