神经网络的分类及其适用场景

从神经网络内部信息传递方向来看，可以分为两种类型：前馈型网络和反馈型网络。 单纯前馈网络的结构与分层网络结构相同，前馈是因网络信息处理的方向是从输入层到各隐层再到输出层逐层进行而得名的。 前馈型网络中前一层的输出是下一层的输入，信息的处理具有逐层传递进行的方向性，一般不存在反馈环路。

1、前馈神经网络：这是实际应用中最常见的神经网络类型。 第一层是输入，最后一层是输出。 如果有多个隐藏层，我们称之为“深度”神经网络。 他们计算出一系列改变样本相似性的变换。 各层神经元的活动是前一层活动的非线性函数。

3)Kohonen网络:典型的自组织网络,由输入层和输出层构成,全连接 4)ART网络:自组织网络 深度神经网络: Convolutional Neural Networks(CNN)卷积神经网络 Recurrent neural Network(RNN)循环神经网络 Deep Belief Networks(DBN)深度信念网络 深度学习是指多层神经网络上运用各种机器学习算法解决图像,文本等各种问题的算法集合。