大家好，今天分享一下如何选择神经网络模型，神经网络是一种通用的机器学习模型和一套具体的算法，在机器学习领域引发了一场革命。它是普通函数的近似，可以应用于机器学习中从输入到输出的任何复杂映射问题。一般来说，神经网络体系结构可以分为三类：

1、前馈神经网络：是最常见的类型。第一层是输入，最后一层是输出。如果有多个隐藏层，称为“深度”神经网络。它可以计算一系列事件之间相似跃迁的变化，每一层神经元的活动都是下一层的非线性函数。

2、循环神经网络：每个节点形成一个循环图，循环图可以按照箭头的方向回到原点。循环神经网络动力学复杂，训练困难。它模拟连续数据，相当于一个深度网络，每个时间段都有一个隐藏层。除了在每个时间段使用相同的权重，它还有输入。网络可以记住隐藏的状态信息，但是很难用这些信息训练网络。

3、对称连接网络：与循环神经网络相同，但单元之间的连接是对称的(即两个方向的连接权重相同)，比循环神经网络更容易分析，但功能有限。没有隐藏单元的对称连接网络称为Hopfiels网络，而有神经网络分类四种模型隐藏单元的对称连接网络称为Pozmann机。