神经网络
回到术语表什么是神经网络?
神经网络是一种计算模型，其分层结构类似于大脑中神经元的网络结构。它的特点是相互连接的处理元素，称为神经元，它们一起工作以产生输出函数。神经网络由输入和输出层/维度组成，在大多数情况下，它们还有一个隐藏层，由将输入转换为输出层可以使用的东西的单元组成。神经网络架构的类型:
神经网络，也称为人工神经网络，使用不同的深度学习算法。以下是一些最常见的神经网络类型:前馈神经网络:
这是最基本和最常见的架构类型;在这里，信息从输入到输出只沿一个方向传播。它由输入层组成;一个输出层，在这中间，我们有一些隐藏层。如果隐藏层不止一个，那么这个网络就被称为深度神经网络。
循环神经网络(RNNs)
这是一种更复杂的网络类型;这种人工神经网络通常用于语音识别和自然语言处理(NLP)。rnn对序列的每个元素执行相同的任务，输出依赖于前面的计算。
卷积神经网络(ConvNets或CNNs)
CNN有几个层，通过这些层，数据被过滤成类别。cnn已被证明在图像识别、文本语言处理和分类等领域非常有效。卷积神经网络由输入层、输出层和隐藏层组成，隐藏层包括多个卷积层、池化层、全连接层和归一化层。
至少还有十几种其他类型的神经网络，如对称连接网络:玻尔兹曼机网络、Hopfield网络和许多其他类型。选择正确的网络取决于您训练网络时使用的数据，以及您所考虑的特定应用程序。额外的资源
回到术语表
