神经网络基本知识（二）：简单分类

前面简单介绍了神经网络的概念，下面进一步了解。

 

一。首先要清楚几个问题，

 

什么时候可以使用？

当系统要求不是严格100%输出正确率时。

 

分类（classification)还是回归(regression)？

通常状况下是分类，简单的线性分类或是非线性分类。回归是指使估计的曲线尽量接近所有分类点，实际上是分类的特殊情况。

 

确定的(deterministic)还是随机的（stochastic)？

weight权重可能有固定的最佳值，或是接近值，这是是确定的。随机的即是不确定的权重值。

 

supervised还是unsupervised?

 

online 还是off-line?

 

二。分类

 

根据结构According to the Structure of the Network:

前馈网络Feed-forward NN

 1.M-P model

2.Perceptron Networks

• Single-Layer Perceptron Networks

• Multi-Layer Perceptron Networks

3.BP (Back Propagation) Network

 

反馈网络Feedback NN

1. DHNN: Discrete Hopfield NN

• Asynchronous Mode

• Synchronous Mode

2.CHNN: Continuous Hopfield NN

3.Boltzmann Machine: Random NN

 

 

根据功能途径According to the Functional Approach of the Network:

Global Approach Networks

Multi-Layer, Feed-forward NN

 

Local Approach Networks

CMAC  NN

B-Spline样条 NN

RBF (Radial Base 径向基 Function) NN

Some Fuzzy NN

Fuzzy NN with Expert’s Explanation to the Conclusion