(八)人工智能应用--深度学习原理与实战--前馈神经网络机制解析

前馈神经网络(Feedforward Neural Network，FNN)，简称前馈网络，是使用最广泛的神经网络之一，前馈神经网络是一种简里的单向多层网络，各神经元分层排列。每个神经元只与前一层的神经元相连，接收前一层的输出，并输出给下一层，各层间没有反馈，因此也叫全连接神经网络。经典的卷积神经网络(CNN)和循环神经网络(RNN)都是属于前馈网络。

本章节理解和掌握前馈神经网络的关键机制。

学习的内容:
1）理解和掌握前馈神经网络的特征
2) 理解最简单的前馈网络——感知机原理
3）理解和掌握前馈及反向传播机制
4) 理解神经元的权重及偏移量参数
5）了解激活函数的作用及类型

一、认识前馈神经网络的特点

前馈神经网络采用单向多层结构。其中每一层包含若干个神经元，每个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1层叫输出层，具他中间层叫做隐藏层，隐层可以是一层，也可以是多层。

整个前馈网络中无反馈，信号从输入层向输出层单向传播，可用一个有向无环图表示，如图。