全连接层神经网络-（又名多层感知机MLP）

参考：https://zhuanlan.zhihu.com/p/63184325
https://zhuanlan.zhihu.com/p/399078506

LSTM

参考：https://blog.csdn.net/qq_40922271/article/details/120961760
https://blog.csdn.net/qq_40922271/article/details/120961760

GRU

参考：https://blog.csdn.net/u012328159/article/details/87907739

LSTM在NLP的很多场景下都表现出很好的性能。
LSTM存在一个问题：计算开销大；原因：内部结构复杂

GRU也是旨在解决标准RNN中出现的梯度消失问题，可以看作是LSTM的一种变种。

LSTM和GRU比较：
同：大多数情况下性能相差无几
异：GRU简单，计算开销小，更加适用于大规模数据集