三大類神經網路主要包括：
全連線神經網路（FNN）。特點是每一層都通過全連線層相連，即每一層的每個神經元與上一層所有神經元都相連。這種網路可以從不同角度提取特徵，全連線層具有分類和數值預測的功能，但其缺點是權重多、計算量大。全連線神經網路適用於各種場景。
卷積神經網路（CNN）。特點是包含卷積層、池化層和全連線層。卷積層通過使用不同的濾波器來提取圖像中的特徵，池化層用於降維以減少計算量，全連線層則將特徵向量化用於分類或回歸。CNN廣泛套用於圖像識別、人臉識別等領域。
循環神經網路（RNN）。特點是其結構能夠記憶序列數據中的依賴關係，適合處理具有時間序列特性的數據，如文本、語音等。RNN在自然語言處理、語音識別等領域有廣泛套用。
這三種神經網路在結構、功能和套用場景上各有特點，共同構成了現代神經網路的基礎。