超级会员免费看
《深度学习》一书中详细介绍了深前馈网络（也称多层感知机），这些网络是深度学习的重要模型，用于函数拟合，如分类问题。文章探讨了网络结构、激活函数、损失函数和反向传播算法，通过学习XOR问题和不同输出单元的示例，阐述了神经网络如何处理非线性关系和不同类型的输出分布。此外，还讨论了基于梯度的学习方法和成本函数在训练过程中的作用。
http://www.deeplearningbook.org/
第6章 Deep Feedforward Networks
Deep Feedforward Networks也被称为feedforward neural networks或multi-layer perceptrons(MLPs),是十分重要的深度学习模型。Feedforward Networks的目标是拟合一个函数f*,比如一个分类器，
y=f*(x)把输入x映射到类别y，Feedforward Networks定义一个映射函数y=f(x;Θ)然后让Θ学习以得到最好的函数拟合。
这种模型被称为feedforward因为要拟合的函数信息是从 x通过计算输出y 得到的，没有从输出的feedback，如果feedforward neural networks包括feedback连接，那么就会被称为recurrent neural networks（第十章会讲）
feedforward neural networks模型由 有向无环图（DAG） 来表示它由哪些函数组成，比如我们现在有三个函数f1,f2,f3,连接成一个链，来形成f(x)=f3(f2(f1(x)))，这种链式结构是最普遍应用的神经网络，在这个例子里，f1被
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
