多层感知机（MLP）

　　最终还是没有憋住，写下了这篇博文，最近真的是感慨很多啊，真的很想找个人说说。还有那么多的东西要看要学。
　　最近一直在搞神经网络方面的东西，看了MLP的讲解，但都是讲解结构，我就是想知道MLP到底是干啥的，有什么用，一直没找到，碰巧在一篇博客中看到便在此记录一下自己的理解。这里不讲解它的结构和历史，想了解的可以看这里和这里，本篇只是为了从高维的角度给出一个整体的认识。
　　
　　作用：它就是一个传统的神经网络，就是为了解决单层感知机无法解决的非线性问题（单层感知机只能对线性数据进行分类）。做图片处理的大都是用caffe，它就相当于caffe里面的p2p层。
　　多层感知机最初是为了做分类的，但是它也可以处理回归问题，只要在最后将softmax等分类器改成sigmoid回归就行。它的训练方式也是“BP反向传导”。
　　
　　很好的一个图片：
　　

　　
　　但是它的隐藏层之间的连接方式是“全连接”的，所以造成（1）训练的参数过多（2）由于（1）造成它的层数不可能过多，限制了它的能力也有限，不能解决比较复杂的问题。于是，局部连接的卷积神经网络便出来了，很好的解决了这些问题。