Editing 深度学习 (section)

== 主要网络架构 ==

=== 卷积神经网络 ===
卷积神经网络（CNN）通过卷积核提取图像的局部特征，具有参数共享与平移不变性等优点，是 [[计算机视觉]] 领域的主力架构。代表性网络包括 AlexNet、VGG、ResNet 等。

=== 循环神经网络 ===
循环神经网络（RNN）及其变体 LSTM、GRU 擅长处理序列数据，曾广泛应用于语音识别、机器翻译等任务。

=== Transformer ===
2017 年提出的 Transformer 架构基于自注意力机制，能够高效建模长距离依赖，已成为 [[自然语言处理]] 乃至多模态领域的主导架构，并直接推动了 [[大语言模型]] 的诞生。

=== 生成模型 ===
生成对抗网络（GAN）、变分自编码器（VAE）与扩散模型（Diffusion Model）能够学习数据分布并生成逼真的新样本，广泛用于图像、音频与视频的生成。