知识卡片
全连接网络逐层组合特征
多层感知器的后一层与前一层的各个单元连接。输入层接收特征,隐藏层变换表示,输出层给出任务需要的分数。训练从有标签样本估计权重和偏置;增加宽度或深度也会提高参数量。
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
- 神经网络 10.1.3 · 查看原书依据
单层感知器具有一定的局限,只能用于二元分类,且无法学习比较复杂的非线性模型,因此实际应用中的感知器模型往往更加复杂。将多个单层感知器进行组合,得到一个多层感知器结构。
参考来源
- 位置:《AI制胜:机器学习极简入门》第10章 神经网络 §10.1.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter10.xhtml#isbn9787302555513_10_1_1_3)
- 结论依据:原文通过层示意图解释输入、隐藏、输出和全连接关系。
- 原始内容:单层感知器具有一定的局限,只能用于二元分类,且无法学习比较复杂的非线性模型,因此实际应用中的感知器模型往往更加复杂。将多个单层感知器进行组合,得到一个多层感知器结构。