前面简单介绍了神经网络的概念,下面进一步了解。
一。首先要清楚几个问题,
什么时候可以使用?
当系统要求不是严格100%输出正确率时。
分类(classification)还是回归(regression)?
通常状况下是分类,简单的线性分类或是非线性分类。回归是指使估计的曲线尽量接近所有分类点,实际上是分类的特殊情况。
确定的(deterministic)还是随机的(stochastic)?
weight权重可能有固定的最佳值,或是接近值,这是是确定的。随机的即是不确定的权重值。
supervised还是unsupervised?
online 还是off-line?
二。分类
根据结构According to the Structure of the Network:
前馈网络Feed-forward NN
1.M-P model
2.Perceptron Networks
• Single-Layer Perceptron Networks
• Multi-Layer Perceptron Networks
3.BP (Back Propagation) Network
反馈网络Feedback NN
1. DHNN: Discrete Hopfield NN
• Asynchronous Mode
• Synchronous Mode
2.CHNN: Continuous Hopfield NN
3.Boltzmann Machine: Random NN
根据功能途径According to the Functional Approach of the Network:
Global Approach Networks
Multi-Layer, Feed-forward NN
Local Approach Networks
CMAC NN
B-Spline样条 NN
RBF (Radial Base 径向基 Function) NN
Some Fuzzy NN
Fuzzy NN with Expert’s Explanation to the Conclusion