每种神经网络（RNN，CNN，LSTM等）的优势在哪里？

Question

例如，我知道CNN擅长分析图像。

其他类型在哪里出类拔萃？

Answer 1

不是一个非常彻底的答案，但你必须首先理解两件事：

FNN和RNN是网络类型

FNN是前馈神经网络，RNN是recurrent neural network。这些不是架构本身。

<强>＆GT;回归神经网络

递归神经网络通常适用于先前输入与当前输入之间存在关系的数据。

• LSTM - 非常适合检测/预测长时间跨度发生的模式
• GRU - 与LSTM相同
• Hopfield - 非常适合记住训练过的模式，而不是检测他们
• NARX - 非常适合在固定时间跨度内检测/预测模式

<强>＆GT;前馈神经网络

前馈神经网络无法检测先前输入与当前输入之间的关系。

• CNN - 非常适合具有维度的数据，也适用于神经元“位置”重要的数据
• MLP - 一个常规的完全连接网络，基本上可以映射任何功能

最后一点

这些“架构”中的大多数经常组合在一起：例如，如果您想要检测视频中的情感，您很可能需要使用CNN和LSTM之间的组合。