神经网络类型介绍 ANN FNN RNN LSTM GAN DQN

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