RNN은 기존 위에서의 방식과는 다르게 이전 과거의 값을 반복해서 이용해서 시계열에 대응능력을 지님.

• 이전 layer의 정보를 피드백받아서 이용

• 마치 과거 horizon을 기반으로 속도나 가속도등의 양태를 이해하고 움직일때 유용함

• 그 대신 horizon이 너무 길어질 경우 초반의 내용이 소실되는 문제가 존재

  ⇒ LSTM/GRU로 해결하는 방식이 존재

RNN의 한계성

• 이미지가 크게 회전하는 경우에는 성능이 저하됨
• 조명이나 각도등에 대한 해석능력이 부족 → 층을 진짜 깊게 해야함
• Pooling으로 인해서 세부정밀한 정보들은 제거됨

⇒ 즉 CNN은 분류에 유용한 국소 패턴을 학습하는 모델 정도로 이해야함.

⇒ 보통 이런문제는 모델을 바꾸기 보다는 데이터증강(양치기), ResNet을 이용한다고 함.