RNN(Recurrent Neural Network), 中文称作循环神经网络, 它一般以序列数据为输入, 通过网络内部的结构设计有效捕捉序列之间的关系特征, 一般也是以序列形式进行输出.2.1 建模序列数据的时间依赖关系 2.2 处理变长输入输出2.3实现序列到序列的学习 按照输入和输出的结构进行分类:按照RNN的内部构造进行分类:1. N vs N - RNN: 2. N vs 1 - R

本文介绍了图像处理和卷积神经网络(CNN)的基础知识。图像由像素组成，可表示为H×W×C的张量。CNN通过卷积层自动提取图像特征，包含卷积、激活、池化和全连接层。卷积层使用卷积核进行特征提取，具有参数共享和局部感知特性；池化层则用于降维。文章详细解释了卷积运算、padding操作、多通道处理以及特征图尺寸计算方法，并对比了最大池化和平均池化的区别。这些内容是理解CNN处理图像数据的关键基础。

文本预处理是将原始文本数据转换为适合模型输入的数值或向量形式的过程。其目的是清理、标准化和结构化文本，以提高模型训练效果。将一段文本使用张量进行表示，其中一般将词汇表示成向量，称作词向量，再由各个词向量按顺序组成矩阵形成文本表示。