神經網路的分類

　　BP神經網路：BP 神經網路是一種神經網路學習演算法。其由輸入層、中間層、輸出層組成的階層型神經網路，中間層可擴充套件為多層。RBF（徑向基）神經網路：徑向基函式(RBF-Radial Basis Function)神經網路是具有單隱層的三層前饋網路。它模擬了人腦中區域性調整、相互覆蓋接收域的神經網路結構。感知器神經網路：是一個具有單層計算神經元的神經網路，網路的傳遞函式是線性閾值單元。主要用來模擬人腦的感知特徵。線性神經網路：是比較簡單的一種神經網路，由一個或者多個線性神經元構成。採用線性函式作為傳遞函式，所以輸出可以是任意值。自組織神經網路：自組織神經網路包括自組織競爭網路、自組織特徵對映網路、學習向量量化等網路結構形式。K近鄰演算法： K最近鄰分類演算法，是一個理論上比較成熟的方法，也是最簡單的機器學習演算法之一。

　　神經網路演算法是指邏輯性的思維是指根據邏輯規則進行推理的過程；神經網路的研究內容相當廣泛，反映了多學科交叉技術領域的特點，主要的研究工作集中在生物原型研究、建立理論模型、網路模型與演算法研究、人工神經網路應用系統等方面；生物原型研究：從生理學、心理學、解剖學、腦科學、病理學等生物科學方面研究神經細胞、神經網路、神經系統的生物原型結構及其功能機理；建立理論模型：根據生物原型的研究，建立神經元、神經網路的理論模型；網路模型與演算法研究：在理論模型研究的基礎上構作具體的神經網路模型，以實現計算機模擬或準備製作硬體；人

　　《人工神經網路原理》介紹了人工神經網路的基本理論，系統地闡述了六種典型的人工神經網路模型，即早期的感知機神經網路、自適應線性元件神經網路、誤差反向傳播神經網路、Hopfield神經網路、B0ltzmann機和自適應共振理論神經網路，以及它們的網路結構、學習演算法、工作原理及應用例項，為讀者深入瞭解和研究人工神經網路奠定了基礎。