什麼是前饋神經網路？

前饋神經網路允許訊號僅沿一個方向傳播，從輸入到輸出。沒有反饋（迴圈），例如某一層的輸出不會影響同一層。前饋網路往往是簡單的網路，將輸入與輸出關聯起來。它可以用於模式識別。這種組織方式表示為自下而上或自上而下。

隱藏層中的每個單元通常完全連線到輸入層中的某些單元。因為此網路包含標準單元，所以隱藏層中的單元透過將其每個輸入的值乘以其相關的權重、將這些值加起來並使用傳遞函式來計算其輸出。

神經網路可以有多個隱藏層，但通常情況下，一個隱藏層就足夠了。層越寬，網路識別模式的能力就越強。

最右邊的最終單元是輸出層，因為它與神經網路的輸出相關聯。它完全連線到隱藏層中的某些單元。神經網路通常用於計算單個值，因此輸出層中只有一個單元和該值。

輸出層可以有多個單元。例如，一家百貨商店連鎖店需要預測使用者從多個部門購買產品的可能性，包括女裝、傢俱和娛樂。商店需要這些資料來規劃促銷活動和指導重點郵件傳送。

反向傳播演算法對多層前饋神經網路進行學習。輸入刺激為每個訓練樣本計算的屬性。輸入被饋送到構成輸入層的一層單元中。

這些單元的加權輸出同時饋送到第二層神經元，例如稱為隱藏層的單元。隱藏層的加權輸出可以作為多個隱藏層的輸入等。多個隱藏層是任意的，並且通常使用一個。

最終隱藏層的加權輸出是構成輸出層的單元的輸入，輸出層擴散網路對給定樣本的預測。隱藏層和輸出層中的單元表示為神經元，因為它們象徵著生物學元素或作為輸出單元。透過隱藏單元提供的線性閾值函式的多層前饋網路可以近似逼近某些函式。

Ginni

更新於： 2022年2月15日

9K+ 瀏覽量

開啟你的 職業生涯

透過完成課程獲得認證

開始學習