参考:https://github.com/apachecn/vt-cs4624-pyml-zh/blob/master/docs/21.md
多层感知机Multilayer Perceptron
介绍:
- 多层感知机是深层的神经网络,神经网络由节点层构成,这些节点根据先前层的节点在不同级别上激活。
- 由至少三大层组成:输入层,中间层,输出层
- 超级好玩的调参游戏:在线网站
动机:
多层感知机是学习高级模型的基础;而且我们不能小看它,仅具有单个隐藏层的网络可以近似任何连续函数。
关于节点:
节点是神经网络中的单个单元。节点的输入,是上一层所有节点的加权输出之和。因此权重决定输出,也是同一层节点的唯一区别。
什么定义了多层感知机:
多层感知机是前馈网络的一种,使用反向传播进行训练。前馈是指后一层的输入只能是前一层的输出,数据流动不存在循环。多层感知机的特征在于输入层,中间层和输出层都是完全连接(类似全连接层)的。
什么是反向传播?
输出层的每个节点与我们想要的label一 一对应,根据对比节点输出和label,可以计算出成本。反向传播就是利用成本,帮我们调整权重。
预测过程的计算我理解,但是反向传播的底层实现不了解,应深入研究。但是最近实验室任务较多,更新会变慢。。。