1、前饋神經網絡、反饋神經網絡、BP網絡等，他們之間的關係
前饋型神經網絡：
取連續或離散變量，一般不考慮輸出與輸入在時間上的滯後效應，只表達輸出與輸入的映射關係；在此種神經網絡中，各神經元從輸入層開始，接收前一級輸入，並輸入到下一級，直至輸出層。整個網絡中無反饋，可用一個有向無環圖表示。常見的前饋神經網絡有感知機（Perceptrons）、BP（Back Propagation）網絡、RBF（Radial Basis Function）網絡等。
BP網絡：
BP網絡是指連接權調整採用了反向傳播（Back Propagation）學習算法的前饋網絡。與感知器不同之處在於，BP網絡的神經元變換函數採用了S形函數（Sigmoid函數），因此輸出量是0~1之間的連續量，可實現從輸入到輸出的任意的非線性映射。
由上可知BP網絡是通過BP算法來修正誤差的前饋神經網絡
反饋型神經網絡：
取連續或離散變量，考慮輸出與輸入之間在時間上的延遲，需要用動態方程來描述系統的模型。
前饋型神經網絡的學習主要採用誤差修正法（如BP算法），計算過程一般比較慢，收斂速度也比較慢；
而反饋型神經網絡主要採用Hebb學習規則，一般情況下計算的收斂速度很快。
神經網絡分類：
參考：http://www.cnblogs.com/wengzilin/archive/2013/04/24/3041019.html
