cnn、rnn和lstm的区别

我们都知道cnn和lstm的本质区别是有无记忆功能，也就是联想的能力，cnn只能够识别出一部分的特征，而lstm可以根据上下文得出结论。
但是我产生了一个问题，如何才能从他们的流程中找到区别，问什么不在RNN上直接加一个dropout层，或者将cnn改为时间序列。
首先看一下cnn、Rnn和lstm的原理图：
如下
cnn：

RNN：

lstm：

首先我想谈一下cnn与RNN，为什么不给cnn一个递归？而RNN递归就可以很好的解决问题：
我的思考是，cnn是对每一层卷积的结果的累加效果。并且cnn实际上对处理图片有着很大的作用，其实质上是对某一个特定的特征进行识别。
而RNN则是不断更新的过程，不太准确的说就是一个动态表。
关于lstm和rnn的区别请看下面这位大佬的博文：
https://blog.csdn.net/lanmengyiyu/article/details/79941486传送门

cnn和lstm的区别：
大佬的这篇文章实在是写的太棒了：
我们一起来看一下吧
https://www.sohu.com/a/230801110_609569