神经网络

回到术语表

免费试着砖

神经网络是什么?

神经网络计算模型的分层结构类似于大脑中的神经元的网络结构。它功能相互联系的处理元素称为神经元一起工作来产生一个输出函数。神经网络的输入和输出层/维度,而且在大多数情况下,他们也有一个隐藏层组成的单位,将输入转换为输出层可以使用的东西。

神经网络,也被称为人工神经网络学习算法使用不同的深。下面是一些最常见的类型的神经网络:

这是最基本和常见的体系结构;这里只有一个方向的信息传播从输入到输出。它由一个输入层;一个输出层之间,我们有一些隐藏层。如果不止一个隐层网络称为深层神经网络。

这是一个更复杂的类型的网络;这种人工神经网络常用于语音识别和自然语言处理(NLP)。RNNs执行相同的任务,每一个元素的序列,输出是依赖于先前的计算。

CNN有几层通过数据筛选分类。cnn已被证明是非常有效的在图像识别等领域,文本语言处理和分类。卷积神经网络由输入层、输出层和一个隐藏层包括多个卷积层、汇聚层,完全连接层,和归一化层。

至少有十几个对称等其他类型的神经网络连接网络:玻耳兹曼机网络,Hopfield网络,和许多其他类型。选择正确的网络取决于你要训练它的数据,以及你想在特定的应用程序。

回到术语表