前向神经网络和 BP 算法详解 --- 之 DNN

前向神经网络和 BP 算法详解

一、神经网络的概念详解

1.1、人工神经网络的基础单元 — > 感知机

1.1.1、感知机模型讲解

• 首先我们需要明确一点就是，针对于拥有核函数的 SVM 或者多隐层 + 激活函数的多层神经网络，或者其他可以处理非线性可分的模型来说，感知机我们常称为神经元，但也可以看成是两层的神经网络( 即只有输入层和输出层，没有隐层 )，虽然它只能处理线性可分问题，但它依然是我们学习神经网络和深度学习的基石。
  
  
  [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eE7bRv1q-1575646479418)(https://www.neuraldesigner.com/images/blog/neuron_model.png?imageMogr2/format/jpg/quality/90)]
  
  
• 图中对应的符号含义如下：
  • 输入（x1 ，…，xn）
  • 偏移b 和 突触权重（w1 ，…，wn），注意，我们下面推到是使用 θ i