1.最簡單的神經網路示意圖

其分為輸入層、輸出層、隱藏層
對于這樣一個最簡單的神經網路,只有一個隱藏層
在圖中,連線代表此神經元是由上一層的結點,通過一定的運算得到的,也就是說我們定義好輸入層的值和其結點的運算方式,我們就可以得到下一層的結點所對應的值
2.感知器
感知器是第一個具有完整演算法描述的神經網路演算法(感知器學習演算法:PLA)
任何線性分類或線性回歸問題都可以用感知器來解決

我們可以通過觀察發現,如果將最簡單的神經網路的一部分拆解出來,就是一個感知器模型
在感知器模型中,輸入層的資料通過一定的運算加權求和,得到隱藏層的資料
而如果我們將多個感知器合起來,就可以形成一個人工神經網路
3.深度學習
含多層隱藏層的多層感知器就是一種深度學習結構

轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/203936.html
標籤:其他
下一篇:利用類權重來改善類別不平衡
