神经网络路线指引

本书包含各种类型的神经网络。我们将提供这些神经网络及其示例，展示特定问题域中的神经网络。并不是所有神经网络都适用于每一个问题域。作为神经网络程序员，你需要知道针对特定问题使用哪个神经网络。

这里提供了通往本书其余部分的高级路线指引，它将指导你阅读本书中你感兴趣的领域。表1展示了本书中的神经网络类型及其适用的问题域。

表1　神经网络类型和问题域

表1列出的问题域说明如下。

● 聚类：无监督的聚类问题。

● 回归：回归问题，神经网络必须根据输入，输出数字。

● 分类：分类问题，神经网络必须将数据点分为预定义的类别。

● 预测：神经网络必须及时预测事件，如金融应用程序的信号。

● 机器人：使用传感器和电机控制的机器人。

● 视觉：计算机视觉（Computer Vision，CV）问题，要求计算机理解图像。

● 优化：优化问题，要求神经网络找到最佳排序或一组值以实现目标。

勾选标记（√）的数量给出了每种神经网络类型对该特定问题的适用性。如果没有勾选，则说明无法将该神经网络类型应用于该问题域。

所有神经网络都有一些共同的特征，如神经元、权重、激活函数和层，它们是神经网络的构建块。在本书的第1章中，我们将介绍这些概念，并介绍大多数神经网络共有的基本特征。