卷积神经⽹络 – CNN 和普通的算法⼤部分都是输⼊和输出的⼀⼀对应,也就是⼀个输⼊得到⼀个输出。不同的输⼊之间是没有联系的。
但是在某些场景中,⼀个输⼊就不够了!
为了填好下⾯的空,取前⾯任何⼀个词都不合适,我们不但需要知道前⾯所有的词,还需要知道词之间的顺序
这种需要处理「序列数据 – ⼀串相互依赖的数据流」的场景就需要使⽤ RNN 来解决了。典型的集中序列数据:
- ⽂章⾥的⽂字内容
- 语⾳⾥的⾳频内容
- 股票市场中的价格⾛势
- ……
RNN 之所以能够有效的处理序列数据,主要是基于他的⽐较特殊的运⾏原理。下⾯给⼤家介绍⼀下 RNN 的基本运⾏原理。