شبکه های عصبی convolution و recurrent هر دو زیر مجموعه ی شبکه های عصبی مصنوعی هستند. شبکه های convolution از ساختار مغز حیوانات الهام گرفته اند و دارای لایه های کانولوشن و pooling در کنار لایه های fully connected (که در شبکه های mlp عادی وجود داشت)هستند, به همین دلیل این شبکه ها کاربرد زیادی در مسائل پردازش تصویر و بینایی ماشین دارند.

شبکه های Recurrent جهت کار با sequence ها ساخته شدند. جایی که شبکه عصبی به جای یک ورودی و خروجی ثابت یک توالی ورودی و خروجی دارد و به حافظه نیاز دارد به همین دلیل این شبکه ها در پردازش زبان طبیعی و پردازش صوت کاربرد خیلی زیادی دارند.
