- 深度學(xué)習(xí)原理與應(yīng)用
- 周中元 黃穎 張誠 周新
- 498字
- 2021-04-30 22:05:37
3.3 前饋神經(jīng)網(wǎng)絡(luò)
前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Network)是一種最簡單的神經(jīng)網(wǎng)絡(luò),如圖3-4所示,各神經(jīng)元分層排列,從網(wǎng)絡(luò)的第一層輸入層開始直至最后層輸出層,每個神經(jīng)元只與前一層的神經(jīng)元相連,接收前一層的輸出,并輸出給下一層,各層之間沒有反饋。

圖3-4 前饋神經(jīng)網(wǎng)絡(luò)
在前饋神經(jīng)網(wǎng)絡(luò)中,輸入層節(jié)點(diǎn)負(fù)責(zé)接收輸入向量中的各個元素值,隱藏層節(jié)點(diǎn)是核心,負(fù)責(zé)接收前一層傳來的數(shù)據(jù)后進(jìn)行計(jì)算,產(chǎn)生一個輸出值,繼續(xù)向前傳遞給下一層各節(jié)點(diǎn)。輸出層負(fù)責(zé)向外界輸出最終處理結(jié)果。
前饋神經(jīng)網(wǎng)絡(luò)有兩種,一種是使用十分廣泛的反向傳播網(wǎng)絡(luò)(Back Propagation Networks,BP),另一種是徑向基函數(shù)(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò)。
徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種以徑向基函數(shù)為激活函數(shù)的神經(jīng)網(wǎng)絡(luò),具有近似模擬能力強(qiáng)、分類能力強(qiáng)和學(xué)習(xí)速度快等優(yōu)勢,徑向基函數(shù)是一個取值僅僅依賴于離原點(diǎn)距離的實(shí)值函數(shù)。
反向傳播網(wǎng)絡(luò)在按層向前傳遞計(jì)算結(jié)果之后,將最后的輸出結(jié)果與期望結(jié)果進(jìn)行比較,得到網(wǎng)絡(luò)的誤差值。為了修正縮小誤差,從最后的輸出層開始,將誤差值反向傳遞給前一層,讓前一層根據(jù)誤差值調(diào)整網(wǎng)絡(luò)參數(shù),以縮小誤差值,如此逐層反向傳遞,直至輸入層。這樣的算法稱為誤差反向傳播算法。
3.4節(jié)中的感知器就屬于反向傳播網(wǎng)絡(luò)。
- 自動駕駛:人工智能理論與實(shí)踐
- 機(jī)器人制作從入門到精通(第3版)
- 機(jī)器視覺自動檢測技術(shù)
- 決策智能:鏈接數(shù)據(jù)、行為和結(jié)果的新智能
- COMSOL Multiphysics工程實(shí)踐與理論仿真
- 深度學(xué)習(xí)之人臉圖像處理:核心算法與案例實(shí)戰(zhàn)
- 空間計(jì)算:人工智能驅(qū)動的新商業(yè)革命
- AI時(shí)代,學(xué)什么,怎么學(xué)
- 創(chuàng)造性思維:人工智能之父馬文·明斯基論教育
- Mahout算法解析與案例實(shí)戰(zhàn)
- DeepSeek高效提問指南:提出好問題,才有好答案
- DeepSeek實(shí)戰(zhàn)精粹
- 一本書讀懂大模型:技術(shù)創(chuàng)新、商業(yè)應(yīng)用與產(chǎn)業(yè)變革
- 聯(lián)邦學(xué)習(xí)技術(shù)及實(shí)戰(zhàn)
- Python3智能數(shù)據(jù)分析快速入門