1. 什么是前馈神经网络
前馈神经网络又称多层感知机,是典型的深度学习模型。它是一种单向多层结构,其中每一层包含若干个神经元。在此种神经网络总,各神经元可以接收前一层神经元的信号,并产生输出到下一层。第0层叫输入层,最后一层叫输出层,其他中间层叫隐含层,隐含层可以是一层,也可以是多层。整个网络中无反馈,信号从输入层向输出层单向传播。
f
(
x
)
=
f
(
3
)
(
f
(
2
)
(
f
(
1
)
(
x
)
)
)
f(x) = f^{(3)}(f^{(2)}(f^{(1)}(x)))
f(x)=f(3)(f(2)(f(1)(x)))
其中
f
(
1
)
f^{(1)}
f(1)被称为网络的第一层,
f
(
2
)
f^{(2)}
f(2)被称为第二层,依次类推,链的全长为模型的深度。
2. 深度学习的优缺点
1)优点:
- 性能更优异
- 不需要特征工程
- 在大数据样本下有更好的性能
- 能解决某些传统机器学习无法解决的问题
2)缺点
- 小数据样本下性能不如机器学习
- 模型复杂
- 过程不可解释