回答情况：
提问时间：
问题标签：
我经常读到，前馈和递归神经网络(RNNs)之间有着根本的区别，这是因为前馈网络缺乏内部状态和短期记忆。乍一看，这似乎是有道理的。然而，当使用算法学习递归神经网络时，如果我正确理解，递归网络将被转化为等价的前馈网络。
这就意味着，实际上没有根本的区别。为什么RNNs在某些任务中表现更好(图像识别、时间序列预测、.)而不是深度的前馈网络？
浏览 2提问于2014-05-24得票数 7
回答已采纳
有人说“前馈网络”是一种典型的神经网络。如果是这样的话，“前馈网络”意味着更大的范围，包括“完全连接的网络”？如果是这样，RNN或CNN也包括在“前馈网络”中吗？我想不是..。我希望有一个清晰的描述。
浏览 2提问于2017-08-29得票数 0
回答已采纳
1回答
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？
浏览 1提问于2018-02-11得票数 1
回答已采纳
4回答
目前，我正在学习神经网络，我试图创建一个应用程序，可以训练识别手写字符。对于这个问题，我使用了前馈神经网络，当我训练它识别1，2或3个不同的字符时，它似乎是有效的。但是，当我试图让网络学习超过3个字符时，它将停滞在40 %- 60%左右的错误百分比。网络类型：前馈神
浏览 10修改于2019-01-21得票数 11
回答已采纳
在阅读了一些理论之后，我对以下术语感到有点困惑：深层神经网络前馈神经网络深层神经网络是一种具有多层结构的前馈神经网络。
我知道前馈神经网络是什么，但据我所知，深神经网络是指在输入和
浏览 0修改于2019-07-15得票数 3
回答已采纳
我想我对前馈神经网络非常了解。我看到的递归神经网络的例子是二进制加法。我可能错了，但据我所知，递归神经网络相当于具有T个隐藏层的
浏览 1修改于2015-04-03得票数 7
1回答
在一些ppt演讲中读到了关于神经进化的文章，我偶然发现了一个短语：
我所找不到的是如何计算任意拓扑的神经网络。有什么“标准方法”(算法)吗？我设想一种方法(假设前馈拓扑)，虽然非常耗时，但它会循环所有神经元，直到计算出输出。
我设想另一种方法可能是将任意拓扑组织成层(也假设前馈拓扑- )，
浏览 7修改于2017-10-08得票数 3
回答已采纳
最近，我了解了解码器-编码器网络和注意机制，并发现许多论文和博客在RNN网络上实现了注意机制。我感兴趣的是，如果其他网络可以结合注意神经网络的例子，编码器是一个前馈神经网络，解码器是一个mechanisms.For。没有时间序列的前馈神经网络可以使用注意机制吗？
浏览 33提问于2019-09-29得票数 0
回答已采纳
1回答
我试图设计一个前馈神经网络来预测回归值。最大值125和最小值是-1000在训练集的相依值。有人能建议我如何改进预测吗。
浏览 2提问于2018-03-23得票数 2
回答已采纳
我想要建立稀疏的前馈网络，在Pytorch和Tensorflow中，也就是说，每个节点只连接到下一层的k个神经元数，其中k严格地小于下一层的节点总数。但是，到目前为止，我看到的所有教程/示例都是关于完全连接的前馈网络的。有没有办法在这些工具中构建这样稀疏的网络？
浏览 0修改于2018-05-10得票数 1
1回答
学习类似前馈网络的实现真的有帮助吗？研究生在大学期间是否至少实施一次神经网络或其他算法？我对前馈和递归网络、反向传播、机器学习问题的一般流水线和必要的数学都有一个合理的想法。
浏览 0提问于2015-05-30得票数 9
然而，我不清楚前馈神经网络是如何学习的。看看转换器的体系结构，我不清楚这些前馈网络中的目标变量是什么。有人能给我解释一下吗？
📷
浏览 0提问于2020-02-13得票数 1
回答已采纳
1回答
我在python中建立了一个基本的神经网络。其思想是，神经网络可以有任何你想要的结构，而不仅仅是标准层，每个神经元都连接到下一层的每一个神经元。
浏览 0修改于2023-05-25得票数 6
回答已采纳
LSTM的注意机制是一个直接的softmax前馈网络，它接收编码器各个时间步长的隐藏状态和解码器的当前状态。这两个步骤似乎自相矛盾，我无法理解: 1)前馈网络的输入数量需要预先定义，2)编码器的隐藏状态数是可变的(取决于编码过程中的时间步骤数)。提前谢谢
浏览 1提问于2017-06-08得票数 10
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号