《卷积神经网络与计算机视觉》 —3.2多层感知机
【摘要】 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第3章,第3.2.1节,作者是[澳]萨尔曼·汗(Salman Khan)侯赛因·拉哈马尼(Hossein Rahmani)赛义德·阿法克·阿里·沙(Syed Afaq Ali Shah)穆罕默德·本纳努恩(Mohammed Bennamoun),黄智濒 戴志涛 译。
3.2多层感知机
3.2.1基础架构
图3.1显示了MLP网络架构的一个示例,该架构由三个隐藏层组成,夹在输入和输出层之间。 简单来说,可以将网络视为一个黑盒子,它在一组输入上运行并产生一些输出。我们将在下面详细介绍这种架构的一些有趣方面。
图3.1具有密集连接的简单前馈神经网络
分层架构:神经网络包含层次化的处理级别。每个级别称为“网络层”,由许多处理“节点”(也称为“神经元”或“单元”)组成。通常,输入通过输入层送入,最后一层是输出层,用于进行预测。 中间层执行处理并称为隐藏层。由于这种分层架构,这种神经网络称为多层感知机(MLP)。
节点:每层中的各个处理单元称为神经网络架构中的节点。 节点基本上实现了给定输入的“激活函数”,决定节点是否会触发。
密集连接:神经网络中的节点是互连的,可以相互通信。每个连接都有一个权重,指定两个节点之间连接的强度。对于前馈神经网络的简单情况,信息在一个方向上从输入层到输出层顺序传送。因此,层中的每个节点都直接连接到前一个层中的所有节点。
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)