卷积神经网络方法的优点

3、 优点：图像识别问题的非常高的准确性。 自动检测重要特征，无需任何人工监督。 权重共享。 缺点：CNN 不对物体的位置和方向进行编码。 缺乏对输入数据空间不变的能力。 需要大量的训练数据。

4、 卷积神经网络中稀疏连接的优点主要包括提高计算效率、减少模型参数数量、降低过拟合风险以及提升模型泛化能力。 首先，稀疏连接在计算上更为高效。 在传统的神经网络中，每个神经元都与前一层和后一层的所有神经元相连，这导致在计算输出时需要大量的乘法操作。

2、 有。 根据查询CSDN博客显示。 1、卷积神经网络优点：可以有效地应用于自然语言处理中的语义分析、句子建模、分类等，应用于计算机围棋领域。 2、循环神经网络优点：擅长于对语言文本的处理，文本的分析处理，更看重时序上的输入与上下文的联系，解决了此网络模型的疑难问题，使得此网络在市场应用中广泛落地。

1、 1、局部连接使网络可以提取数据的局部特征；2、权值共享大大降低了网络的训练难度，一个Filter只提取一个特征，在整个图片(或者语音/文本) 中进行卷积；3、池化操作与多层次结构一起，实现了数据的降维，将低层次的局部特征组合成为较高层次的特征，从而对整个图片进行表示。