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)
1 B  T3 N) G2 b, R/ J0 ^2 S) c人工神经网络(ANN)由许多相互连接的神经元组成:
! c8 J" {& |+ b% o# B5 l5 M来自人工神经网络（ANN）的单个神经元
) ~; T4 n+ u; ^# ?4 Z/ k+ y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。
/ A3 i3 o7 q% _# Z0 L& T1 \* M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:
5 n' X# W  I( X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
神经元的输出值（例如-0.05）通常是另一个神经元的输入。

) C9 D3 a% O% \" i3 L1 X4 e' ?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
/ s9 v# ?, t, r+ J& bPerceptron是最早的神经网络之一，仅由一个神经元组成
9 F& f* L) N& \5 p4 z' ^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
; }& X2 s" r! P  C2 T感知器神经元的输出作为最终的预测。
+ ?$ s7 E0 d) P- }7 J( K1 A

& x9 i* a3 P* c8 a; H4 I6 K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