大体上，神经网络分为三种：前馈神经网络、反馈神经网络和图网络。
2.前馈神经网络前馈神经网络（feedforward neural network）是一种简单的神经网络，也被称为多层感知机（multi-layer perceptron，简称MLP），其中不同的神经元属于不同的层，由输入层-隐藏层-输出层构成，信号从输入层往输出层单向传递，中间无反馈，其目的是为了拟合某个函数，由一个有向无环图表示，如下：
前馈神经网络中包含激活函数（sigmoid函数、tanh函数等）、损失函数（均方差损失函数、交叉熵损失函数等）、优化算法（BP算法）等。常用的模型结构有：卷积神经网络、全连接神经网络、BP神经网络、RBF神经网络、感知机等。
3.反馈神经网络反馈神经网络（feedback neural network）的输出不仅与当前输入以及网络权重有关，还和网络之前的输入有关。它是一个有向循环图或是无向图，具有很强的联想记忆能力和优化计算能力。常用的模型结构有：RNN、Hopfield网络、玻尔兹曼机、LSTM等。
4.图网络图（graph）是一种在拓扑空间内按图结构组织来关系推理的函数集合，包括社交网络、知识图谱、分子图神经网络等。