上一篇简单介绍了深度学习概念,本文将介绍最典型的神经网络模型之,深度前馈网络(deep feedforward network),也叫做前
馈神经网络(feedforward neuralnetwork)。
深度前馈网络是典型的深度学习模型,目标是近似某个函数f*,比如映射y=(x;),并学习的值,使他能够得到函数近似值。
是深度网络的基础。下面简单介绍深度前馈网络的概念,架构,算法,训练等等,其中很多都是深度网络中常用的概念。后续再具体扩展。
1、前馈神经网络
顾名思义,向前一层一层传递的多层网络结构,前一层的输出做为后一层的输入,中间没有反馈,没有循环。
每层计算和机器学习中逻辑回归类似,中间层(隐藏层)输出通过激活函数使得整个网络变为非线性。
优化算法比较简单,通过反向传播从最后一层往前一层一层计算梯度进行训练
其中,又输入层、中间层(也叫隐藏层,经过多个隐藏层)和输出层组成,从输入到一层一层向前传递,直到输出层。
隐藏层根据模型的大小和复杂程度可以设计成数量任意的多层,各层之间的连接一般实际表示特征的权重。