Архитектуры нейронных сетей. Часть 2: Продвинутые конфигурации

Архитектуры нейронных сетей. Часть 2: Продвинутые конфигурации
——
Первая часть здесь: https://www.youtube.com/watch?v=1nj3k0ZxpPU
——
— Глубокие свёрточные обратные графические сети (deep convolutional inverse graphics networks, DCIGN);
— Генеративные состязательные сети (generative adversarial networks, GAN);
— Рекуррентные нейронные сети (recurrent neural networks, RNN);
— Сети с долгой краткосрочной памятью (long short term memory, LSTM);
— Управляемые рекуррентные нейроны (gated recurrent units, GRU);
— Нейронные машины Тьюринга (neural Turing machines, NTM);
— Двунаправленные RNN, LSTM и GRU (bidirectional recurrent neural networks, bidirectional long / short term memory networks и bidirectional gated recurrent units, BiRNN, BiLSTM и BiGRU);
— Глубокие остаточные сети (deep residual networks, DRN);
— Нейронная эхо-сеть (echo state networks, ESN);
— Машины экстремального обучения (extreme learning machines, ELM);
— Машины неустойчивых состояний (liquid state machines, LSM);
— Метод опорных векторов (support vector machines, SVM);
— нейронные сети Кохонена (Kohonen networks, KN), также известные как самоорганизующиеся карты (self organising (feature) maps, SOM, SOFM).

Источник: http://datascientist.one/class-type-nn/