前馈神经网络，即多层感知机 (MLP)，提供了扎实的根基。然而，对于特定数据结构，特别是网格状数据（如图像）和序列数据（如文本或时间序列），它们并非总是最佳选择。本章将介绍为更有效地处理这些特定数据类型而发展出的专用架构。

首先，我们将介绍卷积神经网络 (CNN)。你将学习其核心组成部分，如卷积层和池化层，并理解为何这些结构在处理空间信息时表现出色。

接下来，我们将讨论循环神经网络 (RNN)。我们将讨论 RNN 如何通过引入循环和保持隐藏状态来处理序列信息，从而对序列中时间或位置上的依赖关系进行建模。本章将对 CNN 和 RNN 的设计思路、结构及基本运作方式进行基本阐述。