神經(jīng)網(wǎng)絡(luò)的分類：

選擇模式：這將取決于數(shù)據(jù)的表示和應(yīng)用。過于復(fù)雜的模型往往會導(dǎo)致問題的學(xué)習(xí)。
學(xué)習(xí)算法：在學(xué)習(xí)算法之間有無數(shù)的權(quán)衡。幾乎所有的算法為了一個特定的數(shù)據(jù)集訓(xùn)練將會很好地與正確的超參數(shù)合作。然而，選擇和調(diào)整的算法上看不見的數(shù)據(jù)訓(xùn)練需要顯著量的實驗。
穩(wěn)健性：如果該模型中，成本函數(shù)和學(xué)習(xí)算法，適當(dāng)?shù)剡x擇所得到的神經(jīng)網(wǎng)絡(luò)可以是非常健壯的。有了正確的實施，人工神經(jīng)網(wǎng)絡(luò)，可以自然地應(yīng)用于在線學(xué)習(xí)和大型數(shù)據(jù)集的應(yīng)用程序。其簡單的實現(xiàn)和表現(xiàn)在結(jié)構(gòu)上主要依賴本地的存在，使得在硬件快速，并行實現(xiàn)。