多层感知机网络MLP详细介绍和网络搭建

一、介绍

也叫前馈人工神经网络（ANN），目前流行的三种深度神经网络：MLP、卷积神经网络、循环神经网络。

1.基本原理--生物学启发

生物神经元通过与树突的突触接触接收多个信号，并通过轴突发送单一的动作电位流。受这种输入输出方式的启发，人工神经网络模型由组合多个输入和单一的输出单元组成。

处于抑制状态的神经元，接受来自其他神经元传来的兴奋电位，如果输入超过某个阈值，神经元就会被激发，进入兴奋状态，由轴突输出，传递给其他神经元。 

2.单层感知机原理

神经元具备多个权值参数w和一个激活函数f(x)和偏置b，输出值y满足公式如上图。

单个神经元结构通过一组数据来学习其中的参数w和b来进行拟合输出结果y，通过计算误差，不断对w和b调整，从而起到学习效果。

3.多层感知机原理

3.1 多层感知机网络结构

多层感知机是在单层神经网络基础上，引入一到多个隐层。输入层不涉及计算，多层感知机的层数为隐层和输出层的个数之和。隐层中的神经元和输入层中各个输入全连接，输出层与隐层中各个神经元也是完全连接。因此，多层感知机中隐层和输出层都是全连接层。

多层感知机网络结构如下图所示：

MLP模型是最基本的深度神经网络，以模拟人类大脑的功能为目标，并基于一个简单的人工神经元:输入信号的加权和的非线性函数，这些伪神经元被聚合成层，一层的输出成为序列中下一层的输入。