有监督学习和无监督学习两者的区别：

1.有标签就是有监督学习 ，没有标签就是无监督学习， 说的详细一点，有监督学习的目的是在训练集中找规律，然后对测试数据运用这种规律，而无监督学习没有训练集，只有一组数据，在该组数据集内寻找规律。

2. 无监督学习方法在寻找数据集中的规律性，这种规律性并不一定要达到划分数据集的目的，也就是说不一定要“分类”。比如，一组颜色各异的积木，它可以按形状为维度来分类，也可以按颜色为维度来分类。(这一点比监督学习方法的用途要广。如分析一堆数据的主分量，或分析数据集有什么特点都可以归于无监督学习方法的范畴) ，而有监督学习则是通过已经有的有标签的数据集去训练得到一个最优模型，像我们的CNN（卷积神经网络） 模型都是运用了有监督学习去训练出最优的模型，利用这个最优的模型就可以对一些图像进行场景分类。

3.有监督学习要实现的目标是“对于输入数据X能预测变量Y”（有答案和方法的学）。而无监督学习要回答的问题是“从数据X中能发现什么”（自学）。

神经网络分类：DNN,CNN,RNN,GAN, Resnet,BP

​​神经网络分类：DNN,CNN,RNN,GAN, Resnet,BP_ZhangJiQun&MXP的博客-CSDN博客​​

卷积神经网络——残差网络（ResNet）

对抗生成网络GAN 作用

感知机

多层感知机的出现

DNN神经网络“具有深度”

CNN（卷积神经网络）

RNN（循环神经网络）

深度神经网络（DNN）--反向传播算法(BP)

RBF（径向基）神经网络