RNN面试题详解及详细答案_1.docxVIP

RNN面试题详解及详细答案

一、基础概念类（入门高频题）

1、什么是RNN？核心作用是什么？

详细答案：

RNN全称循环神经网络，是专门用于处理时序数据的神经网络结构。传统的CNN、全连接网络只能处理固定长度、独立的输入数据，无法捕捉数据之间的先后关联，而日常很多数据都是有序时序的，比如文本、语音、时间序列数据、视频帧序列。

RNN的核心设计思路是参数共享+状态传递，网络每一个时间步的计算都会保留上一步的输出状态，把上一时刻的信息带入当前时刻的计算，以此记住数据的上下文信息，完美适配有序、前后关联的时序任务。

简单来说，RNN的核心作用就是：记忆历史信息、捕捉时序依赖关系。

2、RNN和普通全连接神经网络的核心区别？

详细答案：

主要有三点核心区别，也是RNN的核心优势：

第一，输入输出特性不同。全连接网络要求输入是固定维度的独立数据，输入输出一一对应，数据之间无关联；RNN支持不定长时序输入，输入是一串有序序列，输出可根据任务需求为不定长、定长或单值。

第二，是否具备记忆能力。全连接网络每一次输入都是独立计算，前后数据互不影响，没有记忆功能；RNN会保存每一时刻的隐藏状态，将历史信息传递到下一时刻，具备短期记忆能力。

第三，参数特性不同。全连接网络每一层神经元参数独立；RNN所有时间步共享同一套权重参数，大幅减少参数量，训练效率更高，同时适配任意长度的时序输入。

3、RNN的输