【初学】神经网络概述

神经网络的6个基本模型

感知机（Perceptron）

1.它是最简单的神经网络。
2.它有两层【输入层+输出层】

没有隐藏层，不能执行过复杂的任务
参考：https://zhuanlan.zhihu.com/p/49191769

多层感知机（MPL）

完全连接网络，每一个神经元都连接到相邻层中的所有神经元。
具有更高的处理能力
也容易出现过拟合
处理过拟合：提前终止、添加缀学层（参考）、添加正则化

卷积神经网络（CNN）

作用：通常用来做计算机视觉识别，如面部识别、人脸检测、物体识别、手写信件识别、医疗诊断等-灵感来源是人类的视觉皮层。

参考【传送门】
明白为什么叫卷积：对图像（不同的数据窗口数据）和滤波矩阵（一组固定的权重：因为每个神经元的权重固定，所以又可以看做一个恒定的滤波器filter）做 内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。
【传送门】

循环神经网络（RNN）

定义：一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络
应用：RNN对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息，利用了RNN的这种能力，使深度学习模型在解决语音识别、语言模型、机器翻译以及时序分析（股票预测）等NLP领域的问题时有所突破。
【参考】

长期短期记忆网络（LSTM）

学习具有长期性，我们的神经网络也需要记忆功能。LSTM是RNN的一个特例，但不具有重复模块。
在异常检测、语音识别、文本总结和视频分类中应用。

越写越看不懂了【传送门】

生成对抗网络（GNN）

打扰了
【参考】

参考资料：
https://zhuanlan.zhihu.com/p/49191769
https://blog.csdn.net/weixin_38498942/article/details/107834397
https://zhuanlan.zhihu.com/p/95158245
https://blog.csdn.net/nicajonh/article/details/53142449
https://zhuanlan.zhihu.com/p/32085405
https://blog.csdn.net/u013139259/article/details/52729191