递归神经网络作为特征提取

Question

对于卷积网络，人们可以将卷积部分(卷积、最大池等)看作特征提取，然后将其反馈到前馈网络中进行分类(或多或少)。

递归网络(RNN、LSTM等)是否也是如此，即递归层创建了数据/特征的表示，然后将这些数据/特征输入到前馈层？

我是从情感分析的角度来思考的，即“顺序到一”的模式。你认为有一个递归层+一个前馈层会比只有一个递归层网络更好吗？

Answer 1

递归层就像前馈神经网络，其中有一个反馈环。他们只是把有用的信息从过去传递到现在。

一个不错的解释是：https://kevinzakka.github.io/2017/07/20/rnn/

到了向RNN添加更多层时，您可以在https://arxiv.org/pdf/1312.6026.pdf中找到深层RNN的详细信息

论文指出，深度RNN比传统RNN更好