人工神经网络、激活函数、代价函数、梯度下降、反向传播是深度学习的几个关键点；常见的深度学习神经网络结构有多层感知器MLP、CNN、RNN、LSTM等。不管是哪种网络结构，其根本还是从传统的神经网络、多层感知机发展而来的，介绍如下：

MLP-Multilayer Perceptron 多层感知器

也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，如下图：

编者按：

本周为大家推荐《地质力学学报》2024年4期的封面文章《基于EEMD-CNN-LSTM的新型综合模型在滑坡位移预测中的应用》。

在深度学习领域，针对所解决的问题不一样，其设计的深度学习算法也层出不穷，但是无论设计什么样的算法架构，在截止当前发表这篇文章的时间，都逃不过目前的三大特征抽取CNN、LSTM、Transformer(Attention) 架构，这三种结构在目前的算法架构中可能单独出现，或者组合出现。下面对这三种特征抽取结构进行较为深入剖析。

在处理复杂实际问题时，我们可以结合多尺度特征融合和注意力机制

空军工程大学宋亚飞博士课题组对智能化恶意代码检测方法展开了研究与分析，成果以“一种基于特征融合的恶意代码快速检测方法（A Fast Malicious Code Detection Method Based on Feature Fusion）”为题发表在《电子学报》2023年1期。

推荐引擎的架构一般如下，在线实时推荐返回内容由总控、召回、排序三部分组成。

其中从海量内容中在线筛选出用户最感兴趣的内容由召回模型和排序模型完成，其中排序模型主要是对召回模型筛选出来的内容进行打分排序，即对内容进行点击率CTR预估，最终将得分最高，即点击率最高，的内容返回给用户，流程如下：