大家好，欢迎来到IT知识分享网。
原文地址：11 种主要神经网络结构图解
随着深度学习的快速发展，人们创建了一整套神经网络结构来解决各种各样的任务和问题。尽管有无数的神经网络结构，这里有十一种对于任何深度学习工程师来说都应该理解的结构，可以分为四大类: 标准网络、循环网络、卷积网络和自动编码器。
标准网络
1 | 感知器（Perceptron）
2 | 前馈（Feed-Forward）网络
3 | 残差网络(Residual Networks/ResNet)
循环网络
4 | 循环神经网络 (Recurrent Neural Network/RNN)
循环神经网络是一种特殊类型的网络，它包含环和自重复，因此被称为“循环”。由于允许信息存储在网络中，RNNs 使用以前训练中的推理来对即将到来的事件做出更好、更明智的决定。为了做到这一点，它使用以前的预测作为“上下文信号”。由于其性质，RNNs 通常用于处理顺序任务，如逐字生成文本或预测时间序列数据(例如股票价格)。它们还可以处理任意大小的输入。
5 | 长短期记忆网络(Long Short Term Memory Network/LSTM)
6 | 回声状态网络(Echo State Networks/ESN)
卷积网络
7 | 卷积神经网络 (Convolutional Neural Network/CNN)
8 | 反卷积神经网络(Deconvolutional Neural Network/DNN)
9 | 生成对抗网络(Generative Adversarial Network/GAN)
自动编码器
10 | 自动编码器(Auto Encoder/AE)
11 | 变分自动编码器(Variational Auto Encoder/VAE)
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/101478.html
