之前讨论的表格数据和图像数据,我们都默认数据来自于某种分布,并且所有样本都是独立同分布的
(independently and identically distributed, i.i.d.).
然而,大部分数据并非如此。例如:文章中的单词、视频中的图像帧、对话中的音频信号、网站上的浏览行为
都是有顺序的
。因此针对此类数据设计特定模型,可能效果会更好。
同时,我们不仅需要可以接收一个序列作为输入,还希望能够继续预测序列的后续
。例如预测股市的波动、患者的体温曲线。
- 卷积神经网络 -> 空间信息
- 循环神经网络 -> 序列信息