如何选择神经网络
下表列出了各种不同的问题和每种问题最适用的神经网络。
| 数据类型 | 应用案例 | 输入 | 变换 | 神经网络 |
|---|---|---|---|---|
| 文本 | 情感分析 | 词向量 | 高斯修正 | RNTN或DBN（采用移动窗口） |
| 文本 | 命名实体识别 | 词向量 | 高斯修正 | RNTN或DBN（采用移动窗口） |
| 文本 | 词性标注 | 词向量 | 高斯修正 | RNTN或DBN（采用移动窗口） |
| 文本 | 词性标注 | 词向量 | 高斯修正 | RNTN或DBN（采用移动窗口） |
| 文本 | 语义角色标记 | 词向量 | 高斯修正 | RNTN或DBN（采用移动窗口） |
| 文档 | 主题建模/语义哈希（无监督） | 词频概率 | 可为二进制 | 深度自动编码器（包装一个DBN或SDA） |
| 文档 | 文档分类（有监督） | TF-IDF（或词频概率） | 二进制 | 深度置信网络、堆叠式降噪自动编码器 |
| 图像 | 图像识别 | 二进制 | 二进制（可见及隐藏层） | 深度置信网络 |
| 图像 | 图像识别 | 连续 | 高斯修正 | 深度置信网络 |
| 图像 | 多对象识别 | N/A | 高斯修正 | 卷积网络、RNTN（图像向量化） |
| 图像 | 图像搜索/语义哈希 | N/A | 高斯修正 | 深度自动编码器（包装一个DBN） |
| 声音 | 语音识别 | N/A | 高斯修正 | 循环网络 |
| 声音 | 语音识别 | N/A | 高斯修正 | 移动窗口，DBN或卷积网络 |
| 时间序列 | 预测分析 | N/A | 高斯修正 | 循环网络 |
| 时间序列 | 预测分析 | N/A | 高斯修正 | 移动窗口，DBN或卷积网络 |
注：高斯修正 = Gaussian Rectified | 语义哈希 = Semantic Hashing
如需了解常见网络结构的详情及代码片段，请先阅读神经网络简介。
扩展阅读
《无基础自然语言处理（Natural Language Processing (Almost) from Scratch）》；Ronan Collobert、Jason Weston、Leon Bottou、Michael Karlen、Koray Kavukcuoglu和Pavel Kuksa；NEC Laboratories America
《深度置信网络在音素识别中的应用（Deep Belief Networks for phone recognition）》；Abdel-rahman Mohamed、George Dahl和Geoffrey Hinton；多伦多大学计算机科学系
《高斯－二进制受限玻尔兹曼机在自然图像处理中的应用分析（An Analysis of Gaussian-Binary Restricted Boltzmann Machines for Natural Images）》；Nan Wang、Jan Melchior和Laurenz Wiskott；波鸿大学神经信息研究所和神经学国际研究生院