参考：
深度学习四大类网络模型
干货|机器学习超全综述！
机器学习ML、卷积神经网络CNN、循环神经网络RNN、马尔可夫蒙特卡罗MCMC、生成对抗网络GAN、图神经网络GNN——人工智能经典算法
- MLP（Multi Layer Perseption）用在神经网络中
- CNN(Convolutional Neural Networks):卷积神经网络
主要用于CV
- U-Net
用于语义分割
-
RNN(Recurrent Neural Network):循环神经网络（或者说递归神经网络）
-
DNN(Deep Neural Networks):深度神经网络
-
GNN(Graph Neural Networks):图神经网络
-
BRNN(Recurrent Neural Network):双向长短时记忆循环神经网络
-
GAN(Generative Adversarial Networks):生成式对抗网络
-
SORT（Simple Online and Realtime Tracking）：简单的在线和实时跟踪
-
NLP(Natural Language Processing):自然语言处理
-
MTL(Multi-Task-Learning):多任务学习
-
LSTM(Long Short-Term Memory):长短期记忆网络
-
CV(Computer Vision):计算机视觉
-
Transformer
主要用在NLP中，现在在CV领域，也在快速发展，目前最火的肯定是GPT，主要用来做内容生成。
-
GPT
GPT：Generative Pre-trained Transformer：生成式预训练Transformer。主要用在文本生成，图像生成，机器聊天，机器问答等领域。
机器学习ML主要体现在几个部分：
数据挖掘：来发现数据之间的关系
CV：这个很火
NLP：自然语言处理，这个和大语言模型差不多
语音识别：让机器听懂机器
决策：让机器做决定。（无人驾驶中的汽车控制决策）
我很喜欢这个图来表示机器学习：
模型建立是属于比较有趣的部分，根据目标变量（通常称为Y变量）的数据类型（定性或定量），建立一个分类（如果Y是定性的）或回归（如果Y是定量的）模型。
机器学习算法可以大致分为以下三种类型之一：
监督学习：是一种机器学习任务，建立输入X和输出Y变量之间的数学（映射）关系。这样的X、Y对构成了用于建立模型的标签数据，以便学习如何从输入中预测输出。
无监督学习：是一种只利用输入X变量的机器学习任务。这种 X 变量是未标记的数据，学习算法在建模时使用的是数据的固有结构。
强化学习：是一种决定下一步行动方案的机器学习任务，它通过试错学习来实现这一目标，努力使回报最大化。
