《深度学习》之 前馈神经网络 原理 详解
发布时间：2023-07-05 17:30
前馈神经网络
1. 深度学习：
**定义：**深度学习是机器学习的一个研究方向，它基于一种特殊的学习机制。其特点是建立一个多层学习模型，深层级将浅层级的输出作为输入，将数据层层转化，使之越来越抽象。是模拟人脑接受外界刺激时处理信息和学习的方式。
应用领域：
- 语音识别系统
- 搜索模式
- 图像识别
- 自动驾驶
2.从感知机到多层网络
近代最常用的NN模型（神经网络模型）源于 1943年 McCulloch 和 Pitts 提出的 McCulloch-Pitts 神经元模型（简称M-P神经元模型），它针对单个神经元进行了数学建模。具体而言，M-P模型有如下三个功能：
- 能够接受n个输入信号
- 能够为输入信号分配权重
- 能够将得到的信号进行汇总，变换并输出
（图片来自网络）
其中 y 为 激活函数，θ为偏置量，即神经元对输入信号的平移
相关推荐
火山引擎支持 Pico 完成业界首场 8K 3D 实时互动 VR 演唱会
linux版微信 能发表情包的,仿微信在对话框文字中插入Emoji表情包
一个 "开箱即用" 个人博客全栈系统项目！vue+node+express+mysql+sequlize+uniapp
Zilliz x 2022 开源之夏！来 Milvus 和 Towhee 社区，搞开源，拿奖金！
Quartus 与modelSim联合仿真常见错误以及系统任务$readmemb和$readmemh解释
Spring~Spring的创建和使用（如何将对象储存到Spring、如何将对象从Spring中读取出来）
向量化执行引擎框架 Gluten 宣布正式开源，并亮相 Spark 技术峰会
Redis 为何使用近似 LRU 算法淘汰数据，而不是真实 LRU？