深度学习简介：前馈神经网络FFNN（又名多层感知器MLP）

qdzs2000

深度前馈神经网络(FFNN) -又名多层感知器(MLP)
$ \* X* d7 i" p! S3 C人工神经网络(ANN)由许多相互连接的神经元组成:
5 c& }. d9 Z0 ]( h5 g1 [8 z9 k$ V- t来自人工神经网络（ANN）的单个神经元
, k+ ]' t8 W4 w& R+ j. u! q7 m每个神经元接受一些浮点数(例如1.0、0.5、-1.0)，并将它们乘以一些称为权重的其他浮点数（例如0.7,0.6,1.4）（1.0 * 0.7 = 0.7,0.5 * 0.6 = 0.3， -1.0 * 1.4 = -1.4）。权重作为一种机制，用于关注或忽略某些输入。然后将加权输入(例如0.7 + 0.3 + -1.4 = -0.4)和偏差值(例如-0.4 + -0.1 = -0.5)相加。
( U% a, J: ]6 L* b) U根据神经元的激活函数(y = f(x))，将求和后的值(x)转换为输出值(y)。以下是一些常用的激活函数:
% |2 C6 c1 H. w5 e一些热门激活函数
例如-0.5→-0.05，如果我们使用Leaky ReLU激活函数：y = f(x) = f(-0.5) = max(0.1*-0.5， -0.5) = max(-0.05， -0.5) = -0.05
3 r) H4 X, h, v& ?9 q, C; W, ]神经元的输出值（例如-0.05）通常是另一个神经元的输入。
' |9 [7 \! [( q, s
神经元的输出值经常作为人工神经网络（ANN）中其他神经元的输入
0 L8 k5 T- s+ s+ i2 v( {6 RPerceptron是最早的神经网络之一，仅由一个神经元组成
最早的神经网络之一被称为感知器，它只有一个神经元。
感知器
4 K( j4 n* D5 b; F感知器神经元的输出作为最终的预测。

# ^# \0 A6 d8 V( W: U# t$ Y
每个神经元都是一个线性二元分类器（例如输出值> = 0表示蓝色类，而输出值