神经网络学习（一）---多层感知机学习

多层感知机学习（keras程序）

1.历史

       20世纪60年代末，1943年，美国一位神经生理学家和一位数学家对生物神经元进行建模，首次提出一种形式神经元模型，就是M-L。1958年提出感知器，迎来神经网络第一次热潮。但在1969年，提出神经网络无法解决线性不可分问题，神经网络陷入低潮。20世纪80年代，神经网络第二次热潮，Rumelhart等人提出反向传播算法（BP）,解决线性不可分问题。自2011年，神经网络迎来了第三此热潮，分别再语音识别和图像识别中获得压倒性优势。

2.原理（简单介绍，详细介绍可以推荐大家看博客https://blog.csdn.net/u012162613/article/details/43221829）

1）M-P

M-P首个通过模仿神经网络而形成的模型。多输入点对应一个输出点，具体看公式就能理解。M-P模型可以表示and和or等逻辑运算。

       

 

2）感知器

       感知器能够通过训练自动确定参数