摘要：
传统的机器学习算法非常依赖人工提取特征，使得图像识别、语音识别、自然语音处理等问题存在特征提取的瓶颈 基于全连接神经网络的方法存在参数太多、无法利用时间序列信息等问题 卷积神经网络（CNN）解决图像的特征提取问题、参数太多问题 循环神经网络（RNN）解决利用时间序列信息的问题 RNN 主要用于语音识 阅读全文
摘要：
###和全连接神经网络的主要差别 全连接神经网络： 每个神经元的输入数据，都使用了上一层的所有神经元的输出数据，每个神经元的输出数据，都被作为下一层的所有神经元的输入数据，这容易导致参数数量膨胀、过拟合、容易陷入局部最优，尤其用于图像识别时，如果把每个像素当成一个特征，则会有大量的特征值，比如一副 阅读全文