深度神经网络

1、M-P神经元模型：输出通过激活函数获得值1或0

2、感知机模型：可改变输入信号的参数，不能学习异或（不可能找到一条直线把两种类分开）。

3、分布式表示：一个传统的神经网络学习几种特征。复杂的神经网络分为简单的小的局部模型，再进行组合。

4、反向传播算法、长短记忆网络

5、深度信念网络：每一层分别预训练好，再根据输入的信号进行调整。

6、深度神经网络

前馈神经网络：