博客 > 人工智能&数据科学 > 通用算法和模型 > 神经网络
# 多层神经网络 ## 前馈神经网络(Feedforward Neural Network) 每一层的神经元可以接收前一层神经元的信号,并产生信号输出到下一层。第0层叫做输入层,最后一层叫做输出层,其他中间层叫做隐藏层。常见的前馈神经网络包括全连接网络(FCN)、卷积神经网络(CNN)和生成对抗网络(GAN)等 ![70f216a347ed4a16e629f59a03e509b3.png](/resources/84851371e451470dba6755e6299d16cd) 一般在输出层使用独热向量(one-hot vector): ![626bce7e6b8b80c58ef7be2609c43cfb.png](/resources/41b6d90b4f9047339b7cd0d0afe4ae1a) ## 反馈神经网络(Feedback Neural Network) 神经元不但可以接收其他神经元的信号,而且可以接收自己的反馈信号。和前馈神经网络相比,反馈神经网络中的神经元具有记忆功能,在不同时刻具有不同的状态。反馈神经网络中的信息传播可以是单向也可以是双向传播,因此可以用一个有向循环图或者无向图来表示。常见的反馈神经网络包括循环神经网络(RNN)、长短期记忆网络(LSTM)、Hopfield网络和玻尔兹曼机。 ![5da01aadeaa44468616ab70173f22f15.png](/resources/dd9e6ecacfc345bfa0c86d92edf63bbd) ## 图网络 ![48f3db6c71a6a2ac09eac3a3e80d0d7b.png](/resources/a91b84f348964e75879ff1f35481dcba)