[人工智能-深度学习-47]：卷积神经网CNN+循环神经网络RNN与组合电路+时序电路的比较

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/121367263

---

目录

第1章 计算机数字电路的基本单元

1.1 计算机数字电路

1.2 组合电路

1.3 时序电路

第2章 如何从软件的角度理解组合电路和时序电路

2.1 API函数调用角度

2.2 状态机对事件/消息的处理

第3章 卷积神经网络与RNN网络

3.1 神经网络的两大基本类型

3.2 卷积神经网络CNN：特征提取

3.3 循环神经网络RNN：

3.4 CNN与RNN的比较

---

---

第1章 计算机数字电路的基本单元

1.1 计算机数字电路

数字电子计算机，简称数字计算机。其内部被传送、存储和运算的信息，都是以电信号形式表示的数字。

典型的数字电子计算机由中央处理器、计算机存储系统和计算机输入/输出系统组成。

计算机能够完成复杂的运算，得益于计算机的硬件以及基于硬件的各种软件实现。

计算机硬件和软件组成的有机整体称为计算机系统。

其中计算机的硬件是基础，它是有数字逻辑电路组成。

数字电路根据逻辑功能的不同特点，可以分成两大类，

一类叫组合逻辑电路（简称组合电路），

另一类叫做时序逻辑电路（简称时序电路）。

1.2 组合电路

（1）什么是组合电路

组合逻辑电路在逻辑功能上的特点是任意时刻的输出仅仅取决于该时刻的输入，与电路原来或当前的状态无关。常见的与、或、非、亦或电路就是组合电路。给定的输入，一定是给定的输出，与电路的当前状态无关，即与“时间”无关。

如下是组合电路的示意图：

（2）组合电路的基本原理

（3）常见的组合电路

A-算术运算电路：

• 半加器与全加器
• 加法器

B-编码器：

用代码表示特定信号的过程叫编码；实现编码功能的逻辑电路叫编码器。

编码器的输入是被编码的信号，输出是与输入信号对应的一组二进制代码。

C-译码器:

把二进制代码按照愿意转换相应输出信号的过程叫译码。完成译码功能的逻辑电路叫译码器。

译码器的n个输入，m个输出应满足2n≥m。

译码器有二进制译码器、二—十进制译码器、数字显示译码器等类型,

D-数据选择器:

从若干输入信号中选择一路作为输出。国产数据选择器有许多品种：T4157、T4158、T4257、T4258等为四位2选1 数选器；

E-数据分配器:

数据分配器（Demultiplexer）又称为多路分配器，它只有一个数据输入端，但有2n个数据输出端。根据n个选择输入的不同组合，把数据送到2n个数据输出端中的某一个。从其作用看，与多位开关很相似，从逻辑功能看，与数据选择器恰好相反

F-数值比较器

1.3 时序电路

（1）什么是时序电路

大多数数字电路系统，除了包含组合电路，还包括存储元件，我们将这样的系统描述为时序电路。

时序逻辑电路在逻辑功能上的特点是：任意时刻的输出不仅取决于当时的输入信号，而且还取决于电路原来的状态，或者说，还与以前的输入有关。

虽然组合逻辑电路能够很好地处理像加、减等这样的操作，但是要单独使用组合逻辑电路，使操作按照一定的顺序执行，需要串联起许多组合逻辑电路，而要通过硬件实现这种电路代价是很大的，并且灵活性也很差。

为了实现一种有效而且灵活的操作序列，我们需要构造一种能够存储各种操作之间的信息的电路，我们称这种电路为时序电路。

时序电路，是由最基本的逻辑门电路加上反馈逻辑回路（输出到输入）或器件组合而成的电路，与组合电路最本质的区别在于时序电路具有记忆功能。“反馈”是时序电路的基本特征！！！

（2）基本的原理

 组合电路和存储元件互联后组成了时序电路。

存储元件是能够存储二进制信息的电路。存储元件在某一时刻存储的二进制信息定义为该时刻存储元件的状态。

时序电路通过其输入端从周围接受二进制信息。

时序电路的输入以及存储元件的当前状态共同决定了时序电路输出的二进制数据，同时它们也确定了存储元件的下一个状态。

（3）常见的时序电路

触发器、锁存器、计数器、移位寄存器、存储器等电路都是时序电路的典型器件

第2章 如何从软件的角度理解组合电路和时序电路

2.1 API函数调用角度

（1）API函数内没有全局变量，只有局部变量的函数，称为组合电路，函数输出，只与输入数据相关。

（2）API函数内部需要访问全局变量，这样的函数，称为时序电路，概述的输出，不仅仅与输入数据有关，还与全局变量的状态相关。

2.2 状态机对事件/消息的处理

处理事件的状态机就是一个时序电路，输入时事件，输出是事件的处理。

相同的时间，在不同的状态下，执行的事件处理函数不同，或者说，相同的事件，在不同的上下文的场合下，其含义不同。

第3章 卷积神经网络与RNN网络

3.1 神经网络的两大基本类型

多个神经元组成并联和串联组成，共同组成了神经网络。

与计算机的硬件电路相似，神经网络也分为组合网络和时序网络。

其中卷积神经网络CNN就是：“组合电路”。

其中循环神经网络RNN就是：“时序电路”。

他们既可以单独处理各自领域的复杂问题，也可以联合起来处理根据复杂的问题。

3.2 卷积神经网络CNN：特征提取

3.3 循环神经网络RNN：

3.4 CNN与RNN的比较

（1）输入数据

• 卷积神经网络CNN：单张图片的三个颜色通道各自的像素值组成的数值矩阵。
• 循环神经网络RNN:   单段文字中多个单词通道各自的词向量组成的数值矩阵（注意：不是各个单词的ASIIC码表示的）。

（2）神经网络

• 卷积神经网络CNN：组合逻辑
• 循环神经网络RNN：时序逻辑

（3）网络功能

• 卷积神经网络CNN：图片特征（体现在对图片像素值的卷积）的提取
• 循环神经网络RNN：文字上下文特征（体现对词向量的时序状态关系的记忆）的提取

（4）应用场合

• 卷积神经网络CNN：单张图片含义的分类
• 循环神经网络RNN:   单段文字含义的分类

---

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/121367263