人工神经元的模型确定之后，一个人工神经网络的特性及能力主要取决于网络的拓扑结构，即人工神经元之间的互连结构。人工神经网络的互连结构主要有如下四种形式：

1）前向网络，其互连结构如图7-2所示。网络中的人工神经元是分层排列的，每个神经元只与前一层的神经元相连接。最下层为输入层，最上层为输出层，中间为隐含层，隐含层的层数可以是一层或多层。

图7-2 前向网络

2）反馈前向网络，其互连结构如图7-3所示。该网络的本身也是前向网络，所不同的是加入了反馈回路。由于它的每个人工神经元的输入有可能包含输出信息，因此，它的输出由当前的输入和先前的输出两者来决定。

图7-3 反馈前向网络(www.daowen.com)

3）层内互连前向网络，其互连结构如图7-4所示。该网络通过层内人工神经元之间的相互连接，可以实现同一层人工神经元之间横向抑制或兴奋的机制，从而限制层内能同时激活人工神经元的个数，或者把层内人工神经元分为若干组，让每组作为一个整体来动作。

图7-4 层内互连前向网络

4）相互连接前向网络，其互连结构如图7-5所示。该网络中任意两个人工神经元之间都存在互连关系。在这种结构中，信息在各个人工神经元之间往返传递，因此这种网络处在一种不断改变的过程中。

图7-5 相互连接前向网络