@@ -1,6 +1,6 @@
## 概述
-[第八章](../ch08_mlp)多层感知器和卷积神经网络虽然在结构上存在显著差异，但从数据处理的角度来看，它们都共享一个基本假设：数据之间是相互独立的，模型仅关注当前数据的特征与标签之间的关系。这种类型的模型通常被称为***普通神经网络（Vanilla Neural Network***）。举例来说，卷积神经网络常被用于图像识别任务，在这个应用场景下，每张图片的识别都是独立的，模型并不会考虑它们之间可能存在的关联关系。除了图像识别，卷积神经网络还可应用于文本分类。例如，它可用于对句子进行情感分析，将其表达的情感划分为正面情感（如“通过加时赛，中国队逆转获胜了”）和负面情感（如“我的眼泪止不住地往下流”）。在这个应用场景下，模型同样是独立地处理每个句子，并不考虑它们之间的依赖关系。
+[第8章](../ch08_mlp)和[第9章](ch09_cnn)深入讨论了多层感知器和卷积神经网络。尽管这些模型在结构上存在显著差异，但从数据处理的角度来看，它们都共享一个基本假设：数据之间是相互独立的，模型仅关注当前数据的特征与标签之间的关系。这种类型的模型通常被称为***普通神经网络（Vanilla Neural Network***）。举例来说，卷积神经网络常被用于图像识别任务，在这个应用场景下，每张图片的识别都是独立的，模型并不会考虑它们之间可能存在的关联关系。除了图像识别，卷积神经网络还可应用于文本分类。例如，它可用于对句子进行情感分析，将其表达的情感划分为正面情感（如“通过加时赛，中国队逆转获胜了”）和负面情感（如“我的眼泪止不住地往下流”）。在这个应用场景下，模型同样是独立地处理每个句子，并不考虑它们之间的依赖关系。
需要注意的是，并非所有数据都满足上述的独立性假设。以句子的情感分析为例，如果要分类的句子来自同一篇文章，那么对某一句子的理解就必须考虑其上下文所提供的信息，因为同样的句子在不同背景下可能表达不同的情感。例如，整段文字是“通过加时赛，中国队逆转获胜了。我的眼泪止不住地往下流”。其中，第二个句子表达的是正面情感。存在相互依赖关系的数据被称为**序列数据**（Sequential Data或Sequence Data）。典型的例子包括金融市场的价格（时间序列）、文本（文字序列）以及影像（图像序列）。
Gen TANG