В этой главе мы сосредоточимся на разнице между CNN и RNN —
| CNN | РНН |
|---|---|
| Он подходит для пространственных данных, таких как изображения. | RNN подходит для временных данных, также называемых последовательными данными. |
| CNN считается более мощным, чем RNN. | RNN включает меньшую совместимость функций по сравнению с CNN. |
| Эта сеть принимает входы фиксированного размера и генерирует выходы фиксированного размера. | RNN может обрабатывать произвольные длины ввода / вывода. |
| CNN — это тип искусственной нейронной сети с прямой связью с вариациями многослойных персептронов, предназначенных для использования минимальных объемов предварительной обработки. | RNN в отличие от нейронных сетей прямой связи — может использовать свою внутреннюю память для обработки произвольных последовательностей входных данных. |
| CNN используют схему связи между нейронами. Это вдохновлено организацией зрительной коры животных, отдельные нейроны которой расположены таким образом, что они реагируют на перекрывающиеся области, покрывающие зрительное поле. | Периодические нейронные сети используют информацию временных рядов — то, что пользователь говорил последним, повлияет на то, что он / она скажет дальше. |
| CNN идеальны для обработки изображений и видео. | RNN идеально подходят для анализа текста и речи. |
Следующая иллюстрация показывает схематическое представление CNN и RNN —