神經網路的分類有以下幾種：
前饋神經網路：前饋神經網路也被稱為多層感知機，信息從輸入層開始輸入，每層的神經元接收前一級輸入，並輸出到下一級，直至輸出層。整個網路信息輸入傳輸中無反饋，即任何層的輸出都不會影響同級層，可用一個有向無環圖表示。常見的前饋神經網路包括卷積神經網路（CNN）、全連線神經網路（FCN）、生成對抗網路（GAN）等。
反饋神經網路：在反饋神經網路中，神經元不但可以接收其他神經元的信號，而且可以接收自己的反饋信號。和前饋神經網路相比，反饋神經網路中的神經元具有記憶功能，在不同時刻具有不同的狀態。反饋神經網路中的信息傳播可以是單向也可以是雙向傳播，因此可以用一個有向循環圖或者無向圖來表示。常見的反饋神經網路包括循環神經網路（RNN）、長短期記憶網路（LSTM）、Hopfield網路和玻爾茲曼機等。
此外，還有圖神經網路，是專門用於處理圖數據，可以學習節點和邊的表示。它在社交網路分析、分子預測等任務中有套用，對節點分類、連結預測等任務有出色表現。
需要注意的是，以上分類方式並不是絕對的，有些神經網路可能同時具有前饋和反饋的特性，或者介於兩者之間。因此，在具體套用中，需要根據實際需求和問題特點選擇合適的神經網路類型。