簡述神經網絡的結構分類如下：
1、前饋神經網絡：這是實際應用中最常見的神經網絡類型。第壹層是輸入，最後壹層是輸出。如果有多個隱藏層，我們稱之為“深度”神經網絡。他們計算出壹系列改變樣本相似性的變換。各層神經元的活動是前壹層活動的非線性函數。
2、循環網絡：循環網絡在他們的連接圖中定向了循環，這意味著妳可以按照箭頭回到妳開始的地方。他們可以有復雜的動態，使其很難訓練。他們更具有生物真實性。
循環網絡的目的是用來處理序列數據。在傳統的神經網絡模型中，是從輸入層到隱含層再到輸出層，層與層之間是全連接的，每層之間的節點是無連接的。但是這種普通的神經網絡對於很多問題卻無能無力。循環神經網路，即壹個序列當前的輸出與前面的輸出也有關。
具體的表現形式為網絡會對前面的信息進行記憶並應用於當前輸出的計算中，即隱藏層之間的節點不再無連接而是有連接的，並且隱藏層的輸入不僅包括輸入層的輸出還包括上壹時刻隱藏層的輸出。
3、對稱連接網絡：對稱連接網絡有點像循環網絡，但是單元之間的連接是對稱的（它們在兩個方向上權重相同）。比起循環網絡，對稱連接網絡更容易分析。這個網絡中有更多的限制，因為它們遵守能量函數定律。