1.卷积网络（convolutional neural network）

卷积神经网络简单理解

从字面上卷积神经网络可以分为卷积和神经网络。拿图片处理来说，卷积不再像神经网络那样对图片的每个像素信息输入进行处理，而是对图片上的一小块像素区域进行处理。这样可以明显减少W权重的数量。

卷积神经网络的应用

卷积神经网络属于人工神经网络的一种架构，对于图像领域能给出优秀的预测结果

2.RNN循环神经网络(recurrent neuralnetwork)

循环神经网络的简单理解

循环神经网络是用于处理有序的数据的神经网络。有序的数据指的是，一些数据有关联，有顺序的。区别于普通神经网络的地方在于，rnn了解到数据之间的关联。比如语言数据，语言中每个字都有其顺序关联性。

RNN的应用

RNN可以应用于很多有趣的领域，比如让RNN写学术论文，让RNN写程序脚本，让RNN作曲。

3. 生成对抗网络GAN（Generative Adversarial Nets）

生成对抗网络的简单理解

生成网络区别于其他神经网络在于它的创造性，它可以创造出数据。其过程更像人类的学习和练习不断强化某一技能，而训练就是学习过程中的纠错。GAN会根据随机数来生成有意义的数据，或者说更接近实际意义的数据。

GAN应用

GAN的创造性赋予了其想象力，他能生成图片，图片合成，将文本翻译成图片。