循環神經網路 vs 狀態空間模型
Recurrent Neural Network vs State Space Model
循環神經網路 側重 循環神經網路是一種具備「記憶」功能的神經網路，其能處理序列資料，並將前一步的輸出回饋至下一步，而 狀態空間模型 側重 狀態空間模型是一種數學模型，用於描述系統隨時間演變的狀態。它包含狀態方程和觀測方程，廣泛應用於控制、預測和訊號處理。。
逐項比較
| 項目 | 循環神經網路 | 狀態空間模型 |
|---|---|---|
| 一句定義 | 循環神經網路是一種具備「記憶」功能的神經網路，其能處理序列資料，並將前一步的輸出回饋至下一步 | 狀態空間模型是一種數學模型，用於描述系統隨時間演變的狀態。它包含狀態方程和觀測方程，廣泛應用於控制、預測和訊號處理。 |
| 比喻 | RNN 就像一個讀書很認真的學生 -- 它會逐字閱讀，讀到每個字時，還會記得前面讀過什麼，然後再根據這些「記憶」來理解和預測接下來的內容。 | 狀態空間模型就像一位精密的工程師，用數學公式來追蹤一個火箭的飛行軌跡和速度 -- 它不是只看火箭現在的位置，而是同時考慮它的速度、加速度等「內部狀態」，然後用數學公式來預測火箭接下來會怎麼動，即使我們不能直接看到所有內部狀態，也能推算出來。 |
| 常見標籤 | 深度學習、神經網路、自然語言處理、時序分析 | 機器學習、時序分析、模型訓練 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | RNN 只適合文字嗎？ | 什麼時候比回歸更有用？ |