FFNN的历史可以追溯到1940年代,它是没有任何循环的网络。数据从输入到输出通过一次传递,而没有以前的任何“状态存储”。 从技术上讲,深度学习中的大多数网络都可以被认为是FFNN,但通常“ FFNN”是指其最简单的变体:紧密连接的多层感知器(MLP)。
深度前馈网络(通常也称为前馈神经网络)或多层感知器(MLP)是典型的深度学习模型。前馈网络的目标是近似某个函数f *。 例如,对于分类器,y = f *(x)将输入x映射到类别y。 前馈网络定义映射y = f(x, θ)并学习参数θ的值,以得到最佳的函数逼近。
参考代码
# 波士顿房价预测
# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dropout, Flatten, Dense
# Commonly used modules 常用模块
import numpy as np
import os
import sy