1、M-P神经元模型：输出通过激活函数获得值1或0
2、感知机模型：可改变输入信号的参数，不能学习异或（不可能找到一条直线把两种类分开）。
3、分布式表示：一个传统的神经网络学习几种特征。复杂的神经网络分为简单的小的局部模型，再进行组合。
4、反向传播算法、长短记忆网络
5、深度信念网络：每一层分别预训练好，再根据输入的信号进行调整。
6、深度神经网络
前馈神经网络：
深度神经网络
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
