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)
  s1 e1 w* H$ s人工神经网络(ANN)由许多相互连接的神经元组成:
& L8 H) T" o# y) I. Y5 o# d/ Y来自人工神经网络（ANN）的单个神经元
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。
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:
( D, G1 e9 o: N% a& I2 b+ ^7 D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
& t* l  Q, L4 s8 _% \' v神经元的输出值（例如-0.05）通常是另一个神经元的输入。
3 {& r( n/ c2 k  U4 c! I
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
& v6 ?; E9 Z- l2 \/ ~- ePerceptron是最早的神经网络之一，仅由一个神经元组成
2 n3 U6 ]4 U* o2 P0 Z最早的神经网络之一被称为感知器，它只有一个神经元。
$ k6 E' e- D4 v! O' @4 D+ e/ |  W感知器
7 K4 o# @; F7 d. n. @' n  s! Q感知器神经元的输出作为最终的预测。

4 N" }5 Q+ V; m
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