标签：步骤 决定 响应 共享 循环 激活 rnn 未来 输出
卷积神经网络有三个结构上的特性：局部连接，权重共享以及空间或时间上的次采样。这些特性使得卷积神经网络具有一定程度上的平移、缩放和扭曲不变性.
CNN由可学习权重和偏置的神经元组成。每个神经元接收多个输入，对它们进行加权求和，将其传递给一个激活函数并用一个输出作为响应。
循环神经网络可以记住先前时间步骤的输入状态，这有助于它决定未来的时间步长。
标签：步骤 决定 响应 共享 循环 激活 rnn 未来 输出
原文地址：https://www.cnblogs.com/KL2016/p/14510532.html
