컨볼 루션 신경망과 반복 신경망의 차이점은 무엇입니까?

컨볼 루션 신경망과 반복 신경망의 차이점은 무엇입니까?

---

저는 신경망이라는 주제에 익숙하지 않습니다. 저는 convolutional neural network 와 recurrent neural network 라는 두 가지 용어를 보았습니다 .

이 두 용어가 같은 것을 가리키는 지 궁금합니다. 그렇지 않다면 두 용어의 차이점은 무엇입니까?

---

CNN과 RNN의 차이점은 다음과 같습니다.

CNN :

1. CNN은 고정 된 크기의 입력을 받아 고정 된 크기의 출력을 생성합니다.

2. CNN은 피드 포워드 인공 신경망의 한 유형으로, 최소한의 전처리를 사용하도록 설계된 다층 퍼셉트론의 변형입니다.

3. CNN은 뉴런 사이의 연결 패턴을 사용하며, 동물 시각 피질의 조직에서 영감을 얻었습니다. 동물 시각 피질의 조직은 개별 뉴런이 시야를 타일링하는 중첩 영역에 반응하는 방식으로 배열됩니다.

4. CNN은 이미지 및 비디오 처리에 이상적입니다.

RNN :

1. RNN은 임의의 입력 / 출력 길이를 처리 할 수 ​​있습니다.

2. RNN은 피드 포워드 신경망과 달리 내부 메모리를 사용하여 임의의 입력 시퀀스를 처리 할 수 ​​있습니다.

3. 순환 신경망은 시계열 정보를 사용합니다. 즉, 내가 마지막으로 말한 내용이 다음에 말할 내용에 영향을 미칩니다.

4. RNN은 텍스트 및 음성 분석에 이상적입니다.

---

컨볼 루션 신경망 (CNN)은 이미지를 인식하도록 설계되었습니다. 내부에 회선이 있으며 이미지에서 인식 된 개체의 가장자리를 볼 수 있습니다. RNN (Recurrent Neural Network)은 음성 신호 또는 텍스트와 같은 시퀀스를 인식하도록 설계되었습니다. 순환 네트워크에는 내부에주기가있어 네트워크에 짧은 메모리가 있음을 의미합니다. BCI에 대한 EEG 신호를 분류하기 위해 적절한 기계 학습 알고리즘을 선택하는 RNN과 CNN을 적용했습니다 : http://rnd.azoft.com/classification-eeg-signals-brain-computer-interface/

---

분명히 나는 ​​여기에 조금 늦었지만 신경망에 관심이있는 모든 사람 에게이 기사 를 소개 하고 싶습니다 . 기본 사항을 상당히 잘 설명 할뿐만 아니라 오늘날 가장 일반적인 Neural Net 아키텍처를 모두 다루면서 더 깊이 파고 싶다면 원본 문서도 제공합니다.

ice.cube는 각각의 주요 용도에 대해 매우 잘 대답했습니다.

---

이러한 아키텍처는 완전히 다르기 때문에 "차이점"이라고 말하기는 어렵습니다. 공통점은 둘 다 신경망이라는 사실뿐입니다.

컨볼 루션 네트워크 는 컨볼 루션 작업을 수행하는 "수신 필드"가 겹치는 네트워크입니다.

순환 네트워크 는 네트워크 토폴로지에서 주기 를 형성하는 순환 연결 ( "정상"신호 흐름의 반대 방향으로 이동)이 있는 네트워크입니다.

---

다른 것 외에도 CNN에서는 일반적으로 축을 따라 2d 제곱 슬라이딩 창을 사용하고 패턴을 식별하기 위해 컨벌 루트 (원래 입력 2D 이미지 포함)를 사용합니다.

RNN에서는 이전에 계산 된 메모리를 사용합니다. 관심이 있으시면 특별한 종류의 RNN 인 LSTM (Long Short-Term Memory)을보실 수 있습니다.

CNN과 RNN은 모두 패턴과 시퀀스를 감지하므로 하나의 공통점을 가지고 있습니다. 즉, 단일 입력 데이터 비트를 섞을 수 없습니다.

---

컴퓨터 비전을위한 컨볼 루션 신경망 (CNN) 및 자연어 처리를위한 RNN (순환 신경망).

이것은 다른 영역에 적용될 수 있지만 RNN은 네트워크에 루프를 도입하여 양방향으로 신호를 이동할 수있는 네트워크의 장점을 가지고 있습니다.

피드백 네트워크 는 강력하며 매우 복잡해질 수 있습니다. 이전 입력에서 파생 된 계산은 네트워크로 피드백되어 일종의 메모리를 제공합니다. 피드백 네트워크는 동적입니다. 상태 는 평형 지점에 도달 할 때까지 지속적으로 변경됩니다.

---

먼저, 재귀 NN이 반복 NN과 다르다는 것을 알아야합니다. 위키의 정의에 따르면

재귀 신경망 (RNN)은 동일한 가중치 집합을 구조에 재귀 적으로 적용하여 만든 일종의 심층 신경망입니다.

이런 의미에서 CNN은 Recursive NN의 한 유형입니다. 반면에 반복 NN은 시간 차이를 기반으로 한 재귀 NN의 한 유형입니다. 따라서 제 생각에는 CNN과 반복 NN은 다르지만 둘 다 재귀 NN에서 파생됩니다.

참조 URL : https://stackoverflow.com/questions/20923574/whats-the-difference-between-convolutional-and-recurrent-neural-networks