购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

2.1.3 多层感知机

单层感知机能解决的问题是有限的,把多个单层感知机纵向、横向组合叠加,就形成了多层感知机,或者说全连接神经网络(DNN)。神经网络层可以分为输入层、隐藏层和输出层。一般来说第一层是输入层,最后一层是输出层,而中间的都是隐藏层,且层与层之间是全连接的,如图2.5所示。

图2.5 全连接神经网络结构示意图

神经网络的起源就是想用这些基本的简单函数叠加起来、组合起来形成复杂的函数,这个复杂函数能够完成复杂的任务。这样的思想有没有依据呢?其实是有很多这样的例子的,比如傅里叶变换、多项式的泰勒展开等,都可以分解为简单基本函数的叠加,也就是说,用简单的函数组合出复杂的函数是有理论支撑的。这个也特别像人体中的生物神经网络,简单的生物神经元通过组合叠加,就能完成复杂的功能。神经元和感知器本质上是一样的,只不过我们说感知器的激活函数是阶跃函数;而神经元的激活函数往往选择为sigmoid函数或ReLU函数等。 XXxJQe+fakfsLrYbnUyYIyazD7+b/xFF6muArEjl2Uc0861+6vbGkdNu/mbZjzlD

点击中间区域
呼出菜单
上一章
目录
下一章
×

打开