Red neuronal recursiva
Ventajas:
- Puede aprender estructuras en forma de árbol . Esto lo hace particularmente bueno para el análisis del lenguaje natural, ya que la gramática a menudo sigue una estructura similar a un árbol. Aquí hay otro ejemplo para aprender la composición del lenguaje.
- También se pueden usar para tareas de clasificación.
Red neuronal convolucional
- ¿Cuál es la tecnología de punta que despegará en 2017?
- ¿Cuáles son buenos libros para redes neuronales artificiales recurrentes?
- ¿Mark Zuckerberg no violó los derechos de autor de Marvel sobre Jarvis al usarlo en su IA?
- ¿Cómo se puede usar la IA para crear empleos? ¿Es su propósito tomarlos todos?
- La IA se considera un reemplazo para los programadores. ¿Cuál es la tarea de programación más complicada / no trivial que la computadora ha realizado hasta ahora?
Ventajas:
- Tiene en cuenta la estructura local : dado que una convolución generalmente se toma sobre la incorporación de palabras adyacentes, la información contenida en palabras adyacentes se aprende de manera efectiva.
- Se desempeñan bien en tareas de clasificación, como análisis de sentimientos, detección de spam o categorización de temas. Este es uno de los documentos más famosos sobre CNN a nivel de personaje para la clasificación de texto.
- Las CNN son muy rápidas. Las convoluciones a menudo se implementan en GPU para el procesamiento de gráficos.
Desventajas
- En las imágenes, la estructura local es importante: la información semántica útil está contenida en píxeles adyacentes. Sin embargo, en las oraciones, las palabras a menudo no necesitan ser adyacentes para estar relacionadas. Esto hace que los CNN funcionen mal para parte del etiquetado de voz y la extracción de entidades.
