DFN은 심층신경망이라고도 부르며,
딥러닝에서 가장 기본으로 사용하는 인공신경망이다.
DFN은 입력층, 은닉층, 출력층으로 이루어져 있다.
이때 중요한 것은 은닉층이 2개 이상이어야 한다.
순방향(Feedforward)이라고 부르는 이유는 데이터가 입력층, 은닉층, 출력층의 순서로 전파되기 때문이다.
하지만 DFN은 가장 일반적인 딥러닝의 형태임에도 치명적인 단점을 가지고 있다.
DFN의 은닉층이 수십 개에서 수백 개라고 할 때,
입력 데이터가 시간 순서에 따른 종속성을 가질 경우 시계열 데이터 처리에 한계가 있다.
(즉, DFN은 데이터 간의 시간적 관계를 고려하지 못하기 때문에,
과거와 현재가 연결된 시계열 데이터 예측에는 적합하지 않다.)
그래서 이러한 문제점을 해결하기 위해 제안된 것이 순환신경망(RNN)이다.
