知识卡片
多层神经网络的三层结构
多层神经网络是含三层及以上结构的前馈网络:输入层只传递外部信息不做计算;隐藏层不与外界直接相连,负责执行运算,可有多层;输出层汇总并输出结果。层间左右全连接,同层神经元之间无连接。数据流从输入层进入,逐层做乘权值、加偏置、激活函数运算,前一层的输出作为后一层的输入,直到输出层,这称为正向传播。用途是获得非线性分类能力。边界是正向传播只负责算结果,参数如何求需靠BP算法。迁移启发:分层全连接是组合简单单元处理复杂任务的通用范式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 模拟人类思考过程:神经网络 7.3.1 从单层到多层神经网络 · 查看原书依据
通常多层神经网络具有三层或三层以上的结构,每一层都由若干个神经元组成,它的左、右层之间的各个神经元实现全连接,即左层的每一个神经元与右层的每个神经元都连接,而同一层中上下各神经元之间无连接。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第7章《模拟人类思考过程:神经网络》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00012.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文给出输入层、隐藏层、输出层的分工与全连接方式,并描述正向传播流程,支撑了多层网络通过分层运算获得非线性能力的结论。
- 原始内容:通常多层神经网络具有三层或三层以上的结构,每一层都由若干个神经元组成,它的左、右层之间的各个神经元实现全连接,即左层的每一个神经元与右层的每个神经元都连接,而同一层中上下各神经元之间无连接。