当前位置：首页 > 神经网络 > 正文

神经网络的分类原理

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。

0赞

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

推荐文章