感知机,仅由两层神经元组成,感知机的学习过程:
感知机只有输出层神经元进行激活函数处理,只有一层功能神经元,学习能力非常有限。
前馈神经网络,与感知机相比多了隐层。输入层仅是接受输入,不进行函数处理,隐层与输出层包含功能神经元。
神经网络的学习过程,就是根据训练数据来调整神经元之间的“连接权”以及每个功能神经元的阈值。
输入d个属性,输出l维实例向量。即输入层d,输出层l,隐层设为q。输入层与隐层之间连接权重为v,隐层与输出层之间连接权重为w,网络为全连接。激活函数均使用sigmoid函数。