Jan van der Vegt 很好地提到了一些主要的不规则图层类型，但为了完整起见，我将折腾其他几个。我从经验中知道，Teuvo Kohonen 的自组织地图中的层可以完全连接，而不需要正方形或矩形矩阵。通过创建与潜在问题相匹配的拓扑结构，我获得了出色的结果，这些问题可能具有锯齿状和可能的多维形状，然后使用集合而不是矩阵对它们进行操作。这就是我在编码神经网络时更喜欢使用 SQL 等基于集合的语言而不是矩阵数学的原因之一。另一个值得探索的有趣的神经网络类型是 Neural Gas，它扩展了数据点的空间以适应问题的自然拓扑，无论它可能是什么。用流形表示比用普通空间更容易。从某种意义上说，它可以看作是 Kohonen 网络的概括和抽象。

Kohonen 网络的资源很容易找到，但有关神经气体的文献仍然很少。以下是我读过的关于神经毒气和各种变体的一些有价值的链接：

• Martinetz 和 Schultern关于神经毒气的原创文章。

•关于神经毒气的维基百科文章。

• A Master's Thesis on Growing Neural Gas，动态创建拓扑

•不断增长的神经气体网络学习拓扑，Bernd Fritzke 的研究论文

循环神经网络有不同类型的层，例如长短期记忆层。神经图灵机更加狂野。另一个例子是一个非方形卷积层，我正在考虑编写一个 CNN 强化学习程序，该程序可以学习如何玩鲍鱼，它在六边形板上播放，类似的图案以六边形补丁出现在板上，所以是也是一种可能。