重磅！从单层感知器到深度学习以及深度学习必知的框架

【文件属性】：
文件名称：重磅！从单层感知器到深度学习以及深度学习必知的框架
文件大小：776KB
文件格式：PDF
更新时间：2021-02-26 07:30:27
重磅！从单层感知器到深度学习以及深度学习必知的框架 下面来说明感知器模型。在原来MP模型的“输入”位置添加神经元节点，标志其为“输入单元”。其余不变，于是我们就有了下图：从本图开始，我们将权值w1,w2,w3写到“连接线”的中间。图1单层神经网络在“感知器”中，有两个层次。分别是输入层和输出层。输入层里的“输入单元”只负责传输数据，不做计算。输出层里的“输出单元”则需要对前面一层的输入进行计算。我们把需要计算的层次称之为“计算层”，并把拥有一个计算层的网络称之为“单层神经网络”。有一些文献会按照网络拥有的层数来命名，例如把“感知器”称为两层神经网络。但在本文里，我们根据计算层的数量来命名。假如我们要预测的目标不再是一个值，而是一个向量，例如[2