TensorFlow - разница между CNN и RNN

В этой главе мы сосредоточимся на разнице между CNN и RNN -

CNN RNN
Он подходит для пространственных данных, таких как изображения. RNN подходит для временных данных, также называемых последовательными данными.
CNN считается более мощным, чем RNN. RNN включает меньшую совместимость функций по сравнению с CNN.
Эта сеть принимает входные данные фиксированного размера и генерирует выходные данные фиксированного размера. RNN может обрабатывать произвольные длины ввода / вывода.
CNN - это тип искусственной нейронной сети с прямой связью с вариациями многослойных персептронов, предназначенных для использования минимального количества предварительной обработки. RNN, в отличие от нейронных сетей прямого распространения, может использовать свою внутреннюю память для обработки произвольных последовательностей входных данных.
CNN используют паттерн связи между нейронами. Это вдохновлено организацией зрительной коры головного мозга животных, отдельные нейроны которой расположены таким образом, что они реагируют на перекрывающиеся области, составляющие поле зрения. Рекуррентные нейронные сети используют информацию временного ряда - то, что пользователь говорил последним, повлияет на то, что он / она будет говорить дальше.
CNN идеально подходят для обработки изображений и видео. RNN идеально подходят для анализа текста и речи.

На следующем рисунке показано схематическое изображение CNN и RNN -