对于卷积网络，可以将卷积部分（卷积、最大池化等）视为特征提取，这些特征随后被输入到前馈网络中进行分类（或多或少是这样）。

对于循环网络（RNN、LSTM等），是否也是如此，即循环层创建了数据/特征的表示，然后这些表示被输入到前馈层中？

我在考虑情感分析，即“序列到单一”模型。你认为一个循环层加一个前馈层是否会比只有一个循环层的网络表现得更好？

回答：

循环层就像带有反馈环的前馈神经网络。它们只是将过去的有用信息传递到现在。

一个不错的解释可以在以下网址找到：https://kevinzakka.github.io/2017/07/20/rnn/

关于在RNN中添加更多层，你可以在https://arxiv.org/pdf/1312.6026.pdf中找到关于深层RNN的详细信息

该论文指出，深层RNN比传统RNN表现更好