前馈型神经网络取连续或离散变量,一般不考虑输出与输入在时间上的滞后效应,只表达输出与输入的映射关系;
反馈型神经网络可以用离散变量也可以用连续取值,考虑输出与输入之间在时间上的延迟,需要用动态方程来描述系统的模型。
前馈型神经网络的学习主要采用误差修正法(如BP算法),计算过程一般比较慢,收敛速度也比较慢;
而反馈型神经网络主要采用Hebb学习规则,一般情况下计算的收敛速度很快。
反馈网络也有类似于前馈网络的应用,并且在联想记忆和优化计算方面的应用更显特点。
RNN
CNN
LSTM
本文对比了前馈型和反馈型神经网络的特点与应用场景。前馈型适用于无时间延迟的输入输出映射,常使用BP算法进行训练;反馈型则考虑时间上的延迟效应,适合联想记忆等任务。
2741

被折叠的 条评论
为什么被折叠?



