前馈神经网络:为了实现统计泛化而设计出的函数近似机。它偶尔从大脑中提取灵感,但并不是大脑功能的模型。
1. 为什么线性模型(单层感知机)不能解决异或(XOR)问题?
左图中, x1=0 时,模型的输出必须随着 x2 的增大而增大。 x1=1 时,模型的输出必须随着 x2 的增大而减小。线性模型必须对 x2 使用固定系数 w2 ,因此线性模型不能解决这个问题。
解决办法:学习一个不同的特征空间,使得在这个空间上线性模型能够表示这个解。右图中,由神经网络提取的特征表示的新空间( h1,h2 )中,输出为1的两个点折叠到一起,线性模型就可以分开了。
2. 一个简单的前馈神经网络
网络包含两个函数: h=f(1)(x;W,c) 和