用來分類的神經網路有哪些

㈠ 神經網路的分類

網路分類人工神經網路按其模型結構大體可以分為前饋型網路也稱為多層感知機網路）和反饋型網路(也稱為Hopfield網路）兩大類，前者在數學上可以看作是一類大規模的非線性映射系統，後者則是一類大規模的非線性動力學系統。它們的結構模型如圖1、圖2所示，圖中圓圏代表神經元，其間的有向連線代表神經元突觸。按照學習方式，人工神經網路又可分為有導師學習和無導師學習兩類；按工作方式則可分為確定性和隨機性兩類；按時間特性還可分為連續型或離散型兩類，等等。

㈡ 簡述神經網路的分類,試列舉常用神經的類型。

神經網路老派螞是一種通用機器學習模型，是一套特定的演算法集，在機器學習領域掀起了一場變革，本身就是普通函數的逼近，可以應用到任何機器學習輸入到輸出的復雜映射問題。

一般來說，神經網路架構可分為3類：

1、前饋神經網路：侍埋是最常見的類型，第一層為輸入，最後一層為輸出。如果有多個隱藏層，則稱為「深度」神經網路。它能夠計算出一系列事件間相似轉變的變化，每層神經元的活動是下一層的非線性函數。

• 監督學習（Supervised Learning）：使用有標記的數據集進行訓練，輸出結果與實際值進行比較來計算誤差。

• 無監督學習（Unsupervised Learning）：使用沒有標記的數據集進行訓練，目的羨漏是發現數據之間的潛在關系。

• 強化學習（Reinforcement Learning）：通過獎懲機制進行學習，訓練模型執行正確的動作以達到最大化預期獎勵的目標。