常用神经网络结构

常见的神经网络 

常见的神经网络主要有以下几种：

1. 卷积神经网络（CNN）：卷积神经网络在模式识别领域有着重要应用。它并不是所有上下层神经元都能直接相连，而是通过卷积作为中介，同一个卷积核在所有图像内是共享的，图像通过卷积操作后仍然保留原先的位置关系。

2. 循环神经网络（RNN）：循环神经网络可以对时间序列上的变化进行建模，适用于自然语言处理、语音识别、手写体识别等应用。在RNN中，神经元的输出可以在下一个时间戳直接作用到自身。

3. 长短时间记忆单元（LSTM）：为了解决时间上的梯度消失现象，机器学习领域发展出了长短时记忆单元LSTM，通过门的开关实现时间上记忆功能，并防止梯度消失。

4. 全连接DNN：全连接DNN的结构里下层神经元和所有的上层神经元都能够形成连接，但它存在参数数量膨胀的问题。因此，在实际应用中，全连接层往往会在CNN和RNN的上层输出之前接上。

需要注意的是，在序列信号分析中，如果能预知未来，对识别一定也是有所帮助的。因此就有了双向RNN、双向LSTM，同时利用历史和未来的信息。