ANN 简单单元神经网络
ANN是最基础的神经网络。是指由大量的处理单元(神经元) 互相连接而形成的复杂网络结构,是对人脑组织结构和运行机制的某种抽象、简化和模拟。
FNN 全联接神经网络
fnn指所有的节点都相互连接,同层节点不连接的网络结构。
RNN 循环神经网络
rnn具有时序性,即通过当前的输入值和之前的预测参数,来影响当前的预测值。适合用来做翻译,生成文章、语音等需求。
LSTM 长短时记忆循环神经网络
rnn 的加强版,为了解决rnn梯度爆炸梯度消失记忆消失问题。和rnn相比,lstm多了几个门。即是否参考之前的记忆,是否记录当前的记忆等
DQN 强化学习
通过随机参数的干扰,不断自动试错并赋予奖励,使网络具有自动学习的能力。 比如让一个游戏自动学习如何过关,或让一个蜘蛛如何控制每个腿的关节达到快速移动的目的
GAN 对抗神经网络
使用两个模型,一个是生成模型,一个是验证模型。通过他们相互不断的竞争,使模型越来越接近训练样本。从而达到特征学习的目的。用于自动生成图像等领域