【神经网络】2：神经网络发展分支介绍

前言：自己要开始学习神经网络，当然要先搞明白神经网络发展过程中出现的分支有哪些，这些分支经过理论上的论证，实际上的操作，不断的完善后发展成现如今的哪些神经网络，以及各自的用处在哪些领域。

–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-–

–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-–

一、神经网络的基础部分

单层感知器

线性神经网络

BP神经网络

Hopfield神经网络

二、神经网络的进阶部分

循环神经网络（RNNs）

递归神经网络（RNN）

玻尔兹曼机

受限玻尔兹曼机

注：递归神经网络（RNN），是两种人工神经网络的总称，一种是时间递归神经网络（recurrent neural network），另一种是结构递归神经网络（recursive neural network）

循环神经网络英文译名是recurrent neural network，算是递归神经网络的一种特例，有些资料上为两者加以区分，将循环神经网络简写RNNs

三、深度学习网络

深度置信网络

深度残差网络

卷积神经网络（CNN）

LSTM网络（时间递归神经网络，也叫长短时记忆网络）

四、联系

五、深度网络的应用

传统的数据挖掘、机器学习问题

传统企业管理、生产制造

简单静态文本识别

图像识别，再到无人驾驶（比如CNN卷积神经网络）

自然语言处理（比如RNN，LSTM网络）

人工智能在近些年的高速发展有目共睹，理论上人工智能的应用场景可以在各行各业，但是由于当前经验累积不足、理论体系不够完善，人工智能的应用方向更多是由全球顶尖企业所领导。如何让人工智能的产物实施落地，更加惠民、更加大众化、更加小企业化还有许多路要去摸索。