1.前馈神经网络
这是一种最基本的神经网络类型，得益于技术的进步和发展，开发人员可以添加更多的隐藏层，而不必太担心其计算时间过长。而在深度学习技术的“教父”Geoff Hinton在1990年推出了反向传播算法之后，前馈神经网络开始得到广泛应用。
2.卷积神经网络(CNN)
在卷积神经网络(CNN)普及之前，人们采用很多算法对图像分类。人们过去常常根据图像创建特征，然后将这些特征输入到诸如支持向量机(SVM)之类的分类算法中。一些算法也将图像的像素水平值作为特征向量。例如，用户可以训练具有784个特征的支持向量机(SVM)，其中每个特征都是28×28的图像像素值。
3.递归神经网络(LSTM/GRU /注意力)
卷积神经网络(CNN)主要针对图像的含义进行分类，递归神经网络(RNN)主要针对文本的含义分类。递归神经网络(RNN)可以帮助人们学习文本的顺序结构，其中每个单词都取决于前一个单词或前一个句子中的一个单词。
