本文介绍了全连接神经网络（FCN）的基本结构和工作流程，作为深度学习的入门，阐述了FCN在手写数字识别中的应用。文章提到了FCN的输入层、隐藏层和输出层，并解释了神经元的激活值概念。此外，还讨论了如何将图像转换为神经网络可以理解的数值输入，并简要说明了神经网络通过不断调整参数以优化模型性能的过程。
深度学习入门（二）——全连接神经网络的基本结构与工作流程
1.多种多样的神经网络模型
承接上篇文章对深度学习的介绍，深度学习也是多种模式分析方法的统称，目前分为三种主流的深度网络架构，即全连接神经网络（Fully Connected Neural Network）、卷积神经网络（Convolutional Neural Network，CNN）、循环神经网络（Recurrent Neural Network，RNN）。下图为三种主流深度网络的网络架构图。多种深度网络架构组成了深度学习这个神秘的黑盒。从某种意义上说，人工神经网络是深度学习的“Hello World”。
图1.1 MLP网络架构图 图1.2 CNN网络架构图 图1.3 RNN网络
最低0.47元/天 解锁文章
1068
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
