TensorFlow - Perbedaan CNN Dan RNN

Pada bab ini, kita akan fokus pada perbedaan antara CNN dan RNN -

CNN	RNN
Sangat cocok untuk data spasial seperti gambar.	RNN cocok untuk data temporal, disebut juga data sekuensial.
CNN dianggap lebih kuat dari RNN.	RNN menyertakan kompatibilitas fitur yang lebih sedikit jika dibandingkan dengan CNN.
Jaringan ini menerima masukan ukuran tetap dan menghasilkan keluaran ukuran tetap.	RNN dapat menangani panjang input / output yang berubah-ubah.
CNN adalah jenis jaringan saraf tiruan umpan maju dengan variasi perceptron multilayer yang dirancang untuk menggunakan praproses dalam jumlah minimal.	RNN tidak seperti feed forward neural network - dapat menggunakan memori internal mereka untuk memproses urutan input yang sewenang-wenang.
CNN menggunakan pola konektivitas antar neuron. Ini diilhami oleh organisasi korteks visual hewan, yang masing-masing neuronnya diatur sedemikian rupa sehingga mereka merespons wilayah yang tumpang tindih yang membentuk bidang visual.	Jaringan neural berulang menggunakan informasi deret waktu - apa yang terakhir diucapkan pengguna akan memengaruhi ucapan selanjutnya.
CNN ideal untuk pemrosesan gambar dan video.	RNN ideal untuk analisis teks dan ucapan.

Ilustrasi berikut menunjukkan representasi skema CNN dan RNN -