Универсальная классификация нейронных сетей может включать следующие критерии:
По характеру обучения:
- нейронные сети, использующие обучение с учителем.
- нейронные сети, использующие обучение без учителя.
- нейронные сети с подкреплением.
По настройке весов:
- сети с фиксированными связями.
- сети с динамическими связями.
По типу входной информации:
- аналоговые.
- двоичные.
По применяемой модели нейронной сети:
- сети прямого распространения.
- рекурентные нейронные сети.
По типам структур нейронов:
- гомогенные (однородные).
- гетерогенные.
По ходу времени:
- синхронные.
- асинхронные.
Классификация нейронных сетей по топологии:
С точки зрения топологии можно выделить три основных типа нейронных сетей:
Полносвязные. В таких сетях каждый нейрон передаёт свой выходной сигнал остальным нейронам, в том числе и самому себе.
Многослойные (слоистые). В многослойных сетях нейроны объединяются в слои. Каждый слой содержит совокупность нейронов с едиными входными сигналами.
Слабосвязные (с локальными связями). В слабосвязных сетях нейроны располагаются в узлах прямоугольной, гексагональной или октогональной решётки. Каждый нейрон связан с четырьмя, шестью или восемью своими ближайшими соседями.
Типы нейросетей:
В зависимости от числа слоев, в которых расположены нейроны, нейросети могут быть:
- Персептрон – самая старая форма. Один нейрон принимает информацию, применяет активацию, в результате становится доступным вывод в двоичной системе. Перцептрон можно использовать только для классификации данных на две группы. Из-за ограниченных возможностей такие нейронные сети в наше время практически не используются.
- Однослойные. Сигнал поступает во входной слой и сразу же отправляется к выходному, где происходят вычисления. Связь между нейронами входного и выходного слоев обеспечивают синапсы.
- Многослойные. Помимо входного и выходного слоев, в таких нейронных сетях есть еще несколько скрытых промежуточных. Обработка информации и вычисления производятся на нескольких этапах, поэтому решения, предлагаемые такими сетями, более точные.
- Сверточные. В структуру таких нейросетей входят два дополнительных слоя - сверточные и объединяющие. Сверточные нейронные сети используются для обработки изображений, картинок и фото.
- Генеративные. В эту группу входят нейросети, способные что-то создавать. Это, к примеру, генераторы картинок или текстов.
Еще одна классификация делит нейросети на однонаправленные и реккурентные в зависимости от распределения данных по синапсам:
- Однонаправленные (прямого распространения). Сигнал движется от входного слоя к выходному, обратного движения нет. Нейросети такого типа используют для распознавания речи, кластеризации, составления прогнозов.
- Реккурентные (с обратными связями). Реккурентные нейронные сети предполагают, что любое количество сигналов может перемещаться в разных направлениях, в том числе от выхода к входу.
По типам нейронов сети могут быть однородными или гибридными. Первые состоят из нейронов одного типа, вторые сочетают несколько классов нейронов. По характеру настройки синапсов нейронные сети бывают с фиксированными либо с динамическими связями.