Feed-forward Network (เครือข่ายส่งต่อไปข้างหน้า)
Feed-forward Neural Networks อนุญาตให้สัญญาณเดินทางในทิศทางเดียว จาก Input ไป Output ไม่มี Feedback (Loops) กล่าวคือ เอาต์พุตของเลเยอร์ใดๆ ไม่ส่งผลต่อเลเยอร์เดียวกัน Feed-forward Networks มักเป็นเครือข่ายที่เรียบง่าย ที่เชื่อมโยง Inputs กับ Outputs ใช้อย่างแพร่หลายใน Pattern Recognition ประเภทนี้ขององค์กรยังถูกนิยามว่า Bottom-up หรือ Top-down
เอาต์พุตที่มีน้ำหนัก (Weighted Outputs) ของหน่วยเหล่านี้ถูกส่งพร้อมกันไปยังเลเยอร์ที่สองของนิวรอน เช่น หน่วยที่เรียกว่า Hidden Layer เอาต์พุตที่มีน้ำหนักของ Hidden Layer สามารถเป็น Input ของ Hidden Layer อีกเลเยอร์หนึ่ง และต่อไป จำนวน Hidden Layers เป็น Arbitrary และโดยปกติใช้ 1 เลเยอร์
เอาต์พุตที่มีน้ำหนักของ Hidden Layer สุดท้ายเป็น Input ของหน่วยที่ประกอบเป็น Output Layer ซึ่งปล่อยการพยากรณ์ของเครือข่ายสำหรับตัวอย่างที่กำหนด หน่วยใน Hidden Layers และ Output Layer เรียกว่า Neurodes เนื่องจากพื้นฐานทางชีววิทยาแบบสัญลักษณ์ หรือเรียกว่า Output Units Multilayer Feed-forward Networks ของ Linear Threshold Functions ที่ให้ผ่าน Hidden Units สามารถประมาณฟังก์ชันใดๆ ได้ใกล้เคียง
Feedback Networks (เครือข่ายฟีดแบ็ก)
Feedback Networks สามารถมีสัญญาณเดินทางในทั้งสองทิศทาง โดยมี Learning Loops บนเว็บ Feedback Networks เป็น Dynamic มากและสามารถซับซ้อนมากได้ Feedback Networks เป็น Dynamic สถานะของพวกเขาเปลี่ยนแปลงต่อเนื่องจนกว่าจะถึงจุดสมดุล (Equilibrium Point)
คงอยู่ที่จุดสมดุลจนกว่าจะมีการเปลี่ยนแปลง Input และต้องหาจุดสมดุลใหม่ Feedback Architectures ยังถูกนิยามว่า Interactive หรือ Recurrent แม้คำศัพท์อาจบ่งชี้ Feedback Connections ในองค์กร Single-layer
เมื่อฐานข้อมูลขนาดใหญ่เกี่ยวข้องกับการเพิ่มความแม่นยำของอัลกอริทึม Deep Neural Network โมเดลการผลิตข้อมูลและการเรียนรู้ AI สำหรับการวิจัยพฤติกรรมเป็นสิ่งจำเป็น โดยทั่วไป Clinical Data ถูกใช้เมื่อรวมข้อมูลโรคของผู้ใช้ ในขณะนี้ หาก Clinical Data ไม่แม่นยำ ผลการทำนายจะไม่ถูกต้อง
นอกจากนี้ หากข้อมูลเกี่ยวกับพฤติกรรมและกิจกรรมของผู้ใช้ นอกเหนือจาก Clinical Data ไม่ได้สะท้อน Time-series Data ตามสถานการณ์ของผู้ใช้ที่เปลี่ยนแปลงตามเวลา ต้องใช้เป็นค่า Input เพื่อทำนายผลลัพธ์อย่างแม่นยำ
Feedback Model สำหรับ Deep Neural Network Algorithm ประกอบด้วย Original Feedback Model และ Secondary Feedback Model ที่ซ้ำผลลัพธ์ (Restate the Result)
