ANN đ−ợc phân loại theo cấu trúc vμ ph−ơng pháp huấn luyện.
Theo cấu trúc, mạng nơ ron đ−ợc phân thμnh: (1) mạng truyền thẳng (Feed-
forward), (2) mạng có phản hồi (Feedback), vμ (3) mạng tự tổ chức (Self- Organizing).
Thông dụng nhất lμ mạng truyền thẳng, có 2 dạng: mạng truyền thẳng một lớp
(Radial Basis Function - RBF) vμ mạng truyền thẳng nhiều lớp (Multi-layer Perception - MLP). Hình 30 lμ ví dụ về một mạng truyền thẳng điển hình. Lớp đầu
tiên lμ lớp vμo (Input Layer), các nơ ron nhận tín hiệu vμo. Lớp cuối cùng lμ lớp ra
(Output Layer), tín hiệu ra của nó chính lμ đáp ứng của mạng tr−ớc tập tín hiệu vμo.
Mạng có thể có 1 hay nhiều lớp ẩn (Hidden Layer), các nơ ron của lớp nμy không giao tiếp tín hiệu với bên ngoμi. MLP có ít nhấn 1 lớp ẩn vμ số lớp ẩn lμ một tham số thiết kế quan trọng. Mạng RBF không có lớp ẩn nμo. Số nơ ron trong các lớp ẩn cần đ−ợc lựa chọn thận trọng khi thiết kế MLP vμ RBF. Nói chung, nên chọn số tham số ít nhất có thể.
Trong mạng có phản hồi, tín hiệu ra của một số nơ ron đ−ợc phản hồi về các lớp tr−ớc nh− hình 31. Tín hiệu ra tại một b−ớc tính không chỉ phụ thuộc tín hiệu vμo tại thời điểm đó mμ phụ thuộc cả vμo tín hiệu vμo vμ tín hiệu ra của b−ớc tính tr−ớc đó. Mạng Hopfield, đ−ợc dùng trong bμi toán phân loại, có tín hiệu vμo dạng vector các giá trị nhị phân, lμ ví dụ điển hình về mạng có phản hồi.
Trong mạng tự tổ chức, các nơ ron đ−ợc xếp theo ô l−ới, mỗi đầu vμo đ−ợc nối tới tất cả các nơ ron đầu ra. Mạng dạng nμy đ−ợc dùng trong các bμi toán phân loại với dữ liệu vμo đa chiều.
Hình 31: Mô hình mạng có phản hồi