📚 神經網絡的常見分類方式可以從不同角度來劃分，以下是幾種主流思路，幫你快速梳理清晰：
1?? 按網絡結構分類
前饋神經網絡（Feedforward Neural Network, FNN） 數據從輸入層→隱藏層→輸出層單向傳遞，沒有循環和反饋。
卷積神經網絡（Convolutional Neural Network, CNN） 擅長處理網格結構數據（如圖像），利用卷積核提取局部特征。
循環神經網絡（Recurrent Neural Network, RNN） 節點間有環路，適合處理序列數據（如語音、文本）。
圖神經網絡（Graph Neural Network, GNN） 面向圖結構數據，如社交網絡、知識圖譜。
生成對抗網絡（Generative Adversarial Network, GAN） 生成器與判別器對抗訓練，適合生成高質量數據。
2?? 按學習方式分類
監督學習網絡：有標簽數據監督訓練，例如分類、回歸。
無監督學習網絡：不依賴標簽，尋找數據結構與模式，如自編碼器（Autoencoder）。
半監督學習網絡：結合少量標注數據和大量未標注數據。
強化學習網絡：通過獎勵信號學習策略（Policy Network、Value Network 等）。
3?? 按信息傳播方向分類
單向傳播：信息只向前流動（FNN、CNN）。
雙向傳播：如雙向RNN（Bi-RNN），能夠結合上下文信息。
4?? 按任務類型分類
分類網絡：用于圖像分類、文本分類等。
回歸網絡：預測連續值。
生成網絡：生成圖像、文本、音頻等。
序列建模網絡：機器翻譯、語音識別。
)