人工神经网络类型有哪些

AI 中一种常见的训练模型是人工神经网络，常见的人工神经网络类型包括：1、前馈神经网络 (FF)；2、循环神经网络 (RNN)；3、长/短期内存 (LSTM)；4、卷积神经网络 (CNN)；5、生成对抗网络 (GAN)。

一、常见的人工神经网络类型

AI 中一种常见的训练模型是人工神经网络（一种松散地基于人脑的模型）。

神经网络是人工神经元系统（有时称为感知机），该系统是用于对数据进行分类和分析的计算节点。数据被输入神经网络的第一层，每个感知机都会做出决定，然后将该信息传递到下一层的多个节点。超过三层的训练模型称为“深度神经网络”或“深度学习”。某些现代神经网络有数百或数千层。最终感知机的输出完成神经网络的任务集，例如对对象进行分类或在数据中查找模式。

您可能会遇到的一些最常见的人工神经网络类型包括：

1、前馈神经网络 (FF)

一种最早的神经网络形式，其中数据单向流过人工神经元层，直到获得输出。在现代，大多数前馈神经网络都被视为具有多个层（以及多个“隐藏”层）的“深度前馈神经网络”。前馈神经网络通常与称为“反向传播算法”的纠错算法配对使用。简单说来，该算法从神经网络的结果开始，然后一直反向工作到开始，发现错误以提高神经网络的准确率。许多简单但强大的神经网络都是深度前馈神经网络。

2、循环神经网络 (RNN)

一种与前馈神经网络不同的神经网络，它们通常使用时序数据或涉及序列的数据。与在网络的每个节点中使用权重的前馈神经网络不同，循环神经网络对前一层发生的事情具有“记忆”，这取决于当前层的输出。例如，执行自然语言处理时，RNN 可以“记住”一个句子中使用的其他字词。RNN 通常用于语音识别、翻译和图片说明。

3、长/短期内存 (LSTM)

一种高级形式的 RNN，它可以使用内存来“记住”先前的层中发生的事情。RNN 和 LSTM 之间的区别在于，LSTM 可以通过使用“内存单元”来记住几层之前发生的事情。【译注：原英文中的 LTSM 可能是 LSTM 的笔误】LSTM 常用于语音识别和预测。

4、卷积神经网络 (CNN)

一种神经网络，其中包含现代人工智能中一些最常见的神经网络。CNN 最常用于图像识别，它使用几个不同的层（一个卷积层，然后是一个 pooling 层），这些层在将图像重新组合在一起（在全连接层中）之前过滤图像的不同部分。较早的卷积层可能会寻找图像的简单特征，例如颜色和边缘，然后在附加层中寻找更复杂的特征。