《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
【论文笔记】_RepVGG: Making VGG-style ConvNets Great Again
牛客网——python之剑指0ffer之67道在线编程——jz16-jz20
python parser解析_python 参数解析ArgumentParser
Keil 下载报错ST-link connection error解决方法
呕心沥血，一整套完整的基于SpringSecurity的自定义认证、动态授权、权限控制以及注销功能的实现
2022云原生网络趋势 | K8s托管整个基础设施、多云、边缘计算、安全等场景，将云原生网络带向新战场