学习总结,对错看看就好。。。
1、感知机
主要进行放射变换(形变与位移)
感知机是神经网络的基本结构,最大的特点有以下几点:
a.相邻层全连接
b.跨层无连接
作用:通过weight能够对线性可分的数据进行分类。
2、sigmod等激活函数
引入非线性变换,增加对空间的扭曲能力(抬高、下陷等)
3、感知机+激活函数+多隐层(多层感知机)
引入多条线段(超平面)对样本进行划分,故增加隐层能够有非常强的拟合能力(足够多的短线段能够拟合出无限复杂的曲线来分割样本)