一、卷积神经网络区别
1、“卷积” 和 “神经网络”. 卷积也就是说神经网络不再是对每个像素的输入信息做处理了,而是图片上每一小块像素区域进行处理, 这种做法加强了图片信息的连续性. 使得神经网络能看到图形, 而非一个点. 这种做法同时也加深了神经网络对图片的理解
–翻译–
神经网络对每个像素处理
–而卷积它是对区域像素处理，加强图像的连续性，加深理解
2、池化层–是一个筛选过滤的过程, 能将 layer 中有用的信息筛选出来
在卷积的时候, 我们不压缩长宽, 尽量地保留更多信息, 压缩的工作就交给池化了
3、整个流程
输入的图片(image), 经过一层卷积层 (convolution), 然后在用池化(pooling)方式处理卷积的信息-处理的信息传入两层全连接的神经层 --上一个分类器(classifier)进行分类预测
二、循环神经网络
组序列数据 data 0,1,2,3. 在当预测 result0 的时候,我们基于的是 data0, 同样在预测其他数据的时候, 我们也都只单单基于单个的数据. 每次使用的神经网络都是同一个 NN.
翻译–每轮输入数据会得到相应的输出数据，仅仅使用自己所需要的数据-但是用的RNN是固定的
下一轮的训练都会有以前训练的经验