📚 神经网络的常见分类方式可以从不同角度来划分，以下是几种主流思路，帮你快速梳理清晰：
1️⃣ 按网络结构分类
前馈神经网络（Feedforward Neural Network, FNN） 数据从输入层→隐藏层→输出层单向传递，没有循环和反馈。
卷积神经网络（Convolutional Neural Network, CNN） 擅长处理网格结构数据（如图像），利用卷积核提取局部特征。
循环神经网络（Recurrent Neural Network, RNN） 节点间有环路，适合处理序列数据（如语音、文本）。
图神经网络（Graph Neural Network, GNN） 面向图结构数据，如社交网络、知识图谱。
生成对抗网络（Generative Adversarial Network, GAN） 生成器与判别器对抗训练，适合生成高质量数据。
2️⃣ 按学习方式分类
监督学习网络：有标签数据监督训练，例如分类、回归。
无监督学习网络：不依赖标签，寻找数据结构与模式，如自编码器（Autoencoder）。
半监督学习网络：结合少量标注数据和大量未标注数据。
强化学习网络：通过奖励信号学习策略（Policy Network、Value Network 等）。
3️⃣ 按信息传播方向分类
单向传播：信息只向前流动（FNN、CNN）。
双向传播：如双向RNN（Bi-RNN），能够结合上下文信息。
4️⃣ 按任务类型分类
分类网络：用于图像分类、文本分类等。
回归网络：预测连续值。
生成网络：生成图像、文本、音频等。
序列建模网络：机器翻译、语音识别。
)