大家好，今天分享一下如何選擇神經網絡模型，神經網絡是一種通用的機器學習模型和一套具體的算法，在機器學習領域引發了一場革命。它是普通函數的近似，可以應用於機器學習中從輸入到輸出的任何復雜映射問題。一般來說，神經網絡體系結構可以分為三類：
1、前饋神經網絡：是最常見的類型。第一層是輸入，最后一層是輸出。如果有多個隱藏層，稱為“深度”神經網絡。它可以計算一系列事件之間相似躍遷的變化，每一層神經元的活動都是下一層的非線性函數。
2、循環神經網絡：每個節點形成一個循環圖，循環圖可以按照箭頭的方向回到原點。循環神經網絡動力學復雜，訓練困難。它模擬連續數據，相當於一個深度網絡，每個時間段都有一個隱藏層。除了在每個時間段使用相同的權重，它還有輸入。網絡可以記住隱藏的狀態信息，但是很難用這些信息訓練網絡。
3、對稱連接網絡：與循環神經網絡相同，但單元之間的連接是對稱的(即兩個方向的連接權重相同)，比循環神經網絡更容易分析，但功能有限。沒有隱藏單元的對稱連接網絡稱為Hopfiels網絡，而有神經網絡分類四種模型隱藏單元的對稱連接網絡稱為Pozmann機。
如何選擇神經網絡模型參考資料：