十大神经网络架构
机器学习最能解决的一些任务示例包括：
识别模式：真实场景中的物体，面部识别或面部表情，口语。
识别异常：信用卡交易异常，核电厂中传感器读数异常。
预测：未来的股票价格或货币汇率，人们会喜欢哪种电影。
递归神经网络的应用
神经网络是一般机器学习文献中的一类模型。 这是研究神经计算的三个原因：
要了解大脑实际上是如何工作的：它很大，非常复杂，并且由当您戳戳时会死亡的东西组成。 因此，我们需要使用计算机模拟。
理解受神经元及其适应性联系启发的并行计算方式：这是与顺序计算完全不同的方式。
通过使用受大脑启发的新颖学习算法来解决实际问题：学习算法可能非常有用，即使它们并不是大脑实际工作的方式。
在完成著名的Andrew Ng的机器学习Coursera课程之后，我开始对神经网络和深度学习产生兴趣。因此，我开始寻找最佳的在线资源以学习有关主题，并找到了Geoffrey Hinton的“机器学习神经网络”课程。在这篇博客文章中，我想分享我认为任何机器学习研究人员都应该熟悉的10种神经网络体系结构，以推进他们的工作。
10种神经网络架构
感知器
卷积神经网络
递归神经网络
长期/短期记忆
门控循环单元
霍普菲尔德网络
玻尔兹曼机
深度信仰网络
自动编码器
生成对抗网络

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！