神经网络模型分类

人工神经网络有很多模型，可以根据不同的方法进行分类，其中两种常用的分类方法是根据网络连接的拓扑结构和网络内部的信息流方向进行分类。

1.根据网络的拓扑结构进行分类。

网络的拓扑结构，即神经元的连接方式。根据这种划分，神经网络结构可分为两类：层次结构和互连结构。

分层神经网络根据不同的功能和顺序将神经元分为输出层、中间层(隐层)和输出层，输出层中的神经元负责接收外部世界的输入信息，并将其传送到中间的隐层神经元。隐层是神经网络的内部信息处理层，负责信息转换。根据需要，可以设计为一个或多个层；最后一个隐层通过进一步处理将信息传递给输出层神经元，并将信息处理结果输出到外部世界。

在互连网络结构中，任何两个节点之间都可能存在一条连接路径，因此，根据网络中节点的连接程度，互连网络可分为三种情况：全互连型、局部互连型和稀疏连接型。

(2)根据网络信息的流向分类

从神经网络的内部信息传递方向来看，它可分为前馈网络和反馈网络两种类型。

简单前馈网络的结构与分层网络结构相同，因为网络信息处理的方向是从输入层到隐层，再到逐层输出，前馈网络的前一层输出是下一层的输入，信息处理具有逐层传输的指向性，一般没有反馈回路，因此这种网络很容易连接和建立多层前馈网络。

反馈网络的结构与单层全互连网络的结构相同，反馈网络中的所有节点都具有信息处理功能，每个节点既可以接受外界的输入，也可以输出到外部世界。