Rodzaj sieci neuronowej zależy od sposobu połączenia neuronów tej sieci oraz od kierunku przepływu sygnałów w sieci. Każdy typ sieci ma własne metody doboru wag, czyli uczenia. Istnieje bardzo wiele rodzajów sieci neuronowych jednak najbardziej podstawowe, obrazujące budowę i sposób działania to:
-
sieci jednokierunkowe
-
jednowarstwowe
wielowarstwowe
Sieci jednokierunkowe których typowym przykładem jest perceptron jednowarstwowy (rys. perceptronu)
składają się z neuronów ułożonych w warstwach o jednym kierunku przepływu sygnałów i połączeniach
międzywarstwowych jedynie między kolejnymi warstwami. Sieć tego typu posiada warstwę wejściową, wyjściową i
warstwy ukryte. Z funkcjonalnego punktu widzenia układ taki można traktować jako układ aproksymacji funkcji
nieliniowej wielu zmiennych y = f(u)
Sieci rekurencyjne W sieciach tego typu występuje przynajmniej jedno sprzężenie zwrotne.
Oznacza to, że sygnały wyjściowe warstwy podawane są na jej wejścia, co powoduje
pewną dynamikę w pracy sieci. Sygnały wejściowe w takiej sieci zależą zarówno od aktualnego stanu wejścia jak
i od sygnałów wyjściowych w poprzednim cyklu. Strukturę ogólną takiej sieci przedstawia poniższy rysunek.
Sieci komórkowe W tych sieciach sprzężenia wzajemne między elementami przetwarzającymi dotycza jedynie najbliższego sąsiedztwa. Połączenia te są w ogólności nieliniowe i opisane poprzez układ równań różniczkowych. Podstawową trudność w stosowaniu tego typu sieci stanowi opracowanie skutecznej, efektywnej i uniwersalnej metody projektowania. Typowym przykładem sieci komórkowej może być sieć typu mapa Kohonena.
