分类类别 | 定义 | 特点 | 应用场景 |
---|---|---|---|
前向网络 | 信息从前向后传递,每层只接受前一层的信息。 | 结构简单,易于实现。 | 分类、回归、模式识别等。 |
反馈网络 | 存在反馈连接,信息可以在网络中循环。 | 可以模拟脑的某些功能,如记忆。 | 动态系统建模、优化问题、模式识别等。 |
自组织网络 | 没有外部指导,通过自身学习调整连接权重。 | 能够数据中的结构,不需要事先定义特征。 | 聚类、降维、特征学习等。 |
递归网络 | 包含循环连接,能够处理序列数据。 | 适合处理时间序列数据。 | 时间序列预测、自然语言处理等。 |
卷积神经网络 | 具有部感知和权值共享的特点。 | 特别适合处理图像、等数据。 | 图像识别、分类、自然语言处理等。 |
循环神经网络 | 包含循环连接,能够处理序列数据。 | 适合处理时间序列数据。 | 时间序列预测、机器翻译、语音识别等。 |
深度神经网络 | 包含多层非线性变换。 | 具有强大的表示能力,能够学习复杂的特征。 | 图像识别、语音识别、自然语言处理等。 |
上一篇:神经网络的基本原理图
下一篇:神经网络分类的基本原理