你能从网络结构、信息传递方式和应用场景等方面，阐述前馈神经网络（FNN）与循环神经网络（RNN）的主要区别吗？
考察说明
考查对两类基础神经网络结构差异的理解，以及对其适用场景的把握。
回答思路
- 【回答框架 1】前馈神经网络（FNN）中信息单向流动，从输入层经隐藏层到输出层，无反馈连接；循环神经网络（RNN）存在循环连接，隐藏层或输出信号会作为下一时刻的输入。
- 【回答框架 2】FNN各层之间无时序依赖，每次输入独立处理，适合静态数据如分类、回归；RNN引入时间步概念，能处理序列数据如文本、语音、时间序列，其循环结构允许信息跨时间步传递。
- 【回答框架 3】训练方面，FNN常用反向传播算法；RNN训练使用基于时间反向传播（BPTT），且易出现梯度消失或梯度爆炸问题，常需配合门控机制（如LSTM、GRU）来缓解。
- 【关键点 1】FNN无反馈连接，RNN有循环连接。
- 【关键点 2】FNN处理静态数据，RNN擅长序列数据。
- 【关键点 3】RNN训练存在梯度消失/爆炸风险。
- 【易错点 1】不要混淆RNN的循环连接与普通前馈网络的跳跃连接。
- 【易错点 2】不是说RNN一定优于FNN，对于非序列数据FNN更高效。
- 【易错点 3】梯度消失是RNN的问题，但LSTM等变体可缓解，并非完全解决。