循環(huán)神經(jīng)網(wǎng)絡(luò)，Recurrent Neural Network。神經(jīng)網(wǎng)絡(luò)是一種節(jié)點定向連接成環(huán)的人工神經(jīng)網(wǎng)絡(luò)。這種網(wǎng)絡(luò)的內(nèi)部狀態(tài)可以展示動態(tài)時序行為。不同于前饋神經(jīng)網(wǎng)絡(luò)的是，RNN可以利用它內(nèi)部的記憶來處理任意時序的輸入序列，這讓它可以更容易處理如不分段的手寫識別、語音識別等。

CNN處理圖片，RNN處理文本，語音和視頻

分類

• 完全遞歸網(wǎng)絡(luò)（Fully recurrent network）
• Hopfield神經(jīng)網(wǎng)絡(luò)（Hopfield network）
• 你簡單循環(huán)網(wǎng)絡(luò)（Simple Recurrent Network, SRN）
• 回聲狀態(tài)網(wǎng)絡(luò)（Echo state network）
• 長短期記憶網(wǎng)絡(luò)（Long Short Term Memery network, LSTM）
• 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)（Bi-directional RNN）
• 持續(xù)型網(wǎng)絡(luò)（Continuous-time RNN）
• 堆疊循環(huán)神經(jīng)網(wǎng)絡(luò)（Stacked Recurrent Neural Network, SRNN）
• 循環(huán)多層感知器（Recurrent Multi-Layer Perceptron，RMLP）
• 遞歸神經(jīng)網(wǎng)絡(luò)（RecursiveNeural Network）

CNN只能單獨的取處理一個個的輸入，前一個輸入和后一個輸入是完全沒有關(guān)系的。但是，某些任務(wù)需要能夠更好的處理序列的信息，即前面的輸入和后面的輸入是有關(guān)系的。

比如，當(dāng)我們在理解一句話意思時，孤立的理解這句話的每個詞是不夠

總結(jié)

以上是生活随笔為你收集整理的keras从入门到放弃(十九）RNN和LSTM的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。