Mạng Feed-forward
Mạng nơ-ron feed-forward cho phép tín hiệu đi một chiều duy nhất, từ đầu vào đến đầu ra. Không có phản hồi (vòng lặp), tức là đầu ra của bất kỳ lớp nào không ảnh hưởng đến lớp đó. Mạng feed-forward xu hướng là mạng đơn giản liên kết đầu vào với đầu ra. Được dùng rộng rãi trong nhận diện mẫu. Kiểu tổ chức này cũng gọi là bottom-up hoặc top-down.
Đầu ra có trọng số của các đơn vị này được cung cấp đồng thời cho lớp thứ hai của nơ-ron như các đơn vị gọi là lớp ẩn. Đầu ra có trọng số của lớp ẩn có thể là đầu vào cho lớp ẩn khác và cứ thế. Số lớp ẩn tùy ý và thường dùng một lớp.
Đầu ra có trọng số của lớp ẩn cuối là đầu vào cho các đơn vị tạo thành lớp đầu ra, phát ra dự đoán của mạng cho mẫu cho trước. Đơn vị trong lớp ẩn và lớp đầu ra gọi là neurodes, do cơ sở sinh học tượng trưng hoặc đơn vị đầu ra. Mạng feed-forward đa lớp các hàm ngưỡng tuyến tính cho trước qua đơn vị ẩn có thể xấp xỉ gần đúng bất kỳ hàm nào.
Mạng Feedback (Feedback Networks)
Mạng feedback có tín hiệu đi cả hai chiều bằng vòng lặp học trên mạng. Mạng feedback rất động và có thể trở nên cực kỳ phức tạp. Mạng feedback là động, trạng thái thay đổi liên tục cho đến khi đạt điểm cân bằng. Ở tại điểm cân bằng cho đến khi đầu vào thay đổi và cần tìm cân bằng mới. Kiến trúc feedback cũng gọi là tương tác hoặc hồi quy (recurrent), mặc dù thuật ngữ có thể chỉ kết nối feedback trong tổ chức đơn lớp.
Khi database lớn tham gia tăng độ chính xác thuật toán mạng nơ-ron sâu, mô hình sản xuất dữ liệu và học trí tuệ nhân tạo cho nghiên cứu hành vi là thiết yếu. Nói chung, dữ liệu lâm sàng dùng khi thông tin bệnh lý người dùng được bao gồm. Lúc này, nếu dữ liệu lâm sàng không chính xác, kết quả dự đoán sai.
Khi database lớn tham gia tăng độ chính xác thuật toán mạng nơ-ron sâu, mô hình sản xuất dữ liệu và học trí tuệ nhân tạo cho nghiên cứu hành vi là thiết yếu. Nói chung, dữ liệu lâm sàng dùng khi thông tin bệnh lý người dùng được bao gồm. Lúc này, nếu dữ liệu lâm sàng không chính xác, kết quả dự đoán sai.
Hơn nữa, nếu thông tin về hành vi và hoạt động của người dùng, ngoài dữ liệu lâm sàng, không được phản ánh, dữ liệu chuỗi thời gian theo tình huống người dùng thay đổi theo thời gian, phải dùng làm giá trị đầu vào để dự đoán chính xác kết quả.
Mô hình feedback cho thuật toán mạng nơ-ron sâu bao gồm mô hình feedback gốc và mô hình feedback thứ hai tái thuật kết quả.