130
个编辑
更改
跳到导航
跳到搜索
第9行：
第9行： + + + + + + + 第17行：
第24行： + + + + + +
无编辑摘要
[[文件:多层前馈神经网络示意图.png|缩略图|图1多层前馈神经网络示例]]
[[文件:多层前馈神经网络示意图.png|缩略图|图1多层前馈神经网络示例]]
一个典型的多层前馈神经网络如图1所示。
一个典型的多层前馈神经网络如图1所示。
=== 基本结构 ===
前馈神经网络通常由三类层组成：
* '''输入层（Input Layer）'''：接收原始数据，每个神经元对应一个特征输入。
* '''隐藏层（Hidden Layer）'''：通过加权和非线性激活函数对输入信息进行变换，可由一个或多个隐藏层组成。
* '''输出层（Output Layer）'''：输出最终预测结果，输出节点的个数依据具体任务（如分类、回归）而定。
=== 结构设计 ===
=== 结构设计 ===
* '''生长法'''：从小网络开始，逐步添加节点或连接，自适应构建网络结构，具有自组织特性，灵活但训练过程较复杂。
* '''生长法'''：从小网络开始，逐步添加节点或连接，自适应构建网络结构，具有自组织特性，灵活但训练过程较复杂。
=== 工作原理 ===
# '''正向传播（Forward Propagation）'''：数据从输入层依次传至输出层，每一层的输出通过权重连接并激活传递至下一层；
# '''损失计算（Loss Calculation）'''：比较输出层结果与真实标签，计算误差；
# '''反向传播（Backpropagation）'''：计算误差对每个参数的梯度，通过梯度下降等优化算法更新权重与偏置。
=== 特点 ===
=== 特点 ===