本文介绍了感知机作为神经网络的基础结构，其特征包括相邻层全连接及跨层无连接，并能通过权重对线性可分数据进行分类。进一步探讨了通过引入非线性的激活函数如sigmoid函数，增加模型的空间扭曲能力。最后，通过多隐层的加入，增强模型的拟合能力，实现复杂数据的分类。
学习总结，对错看看就好。。。
1、感知机
主要进行放射变换（形变与位移）
感知机是神经网络的基本结构，最大的特点有以下几点：
a.相邻层全连接
b.跨层无连接
作用：通过weight能够对线性可分的数据进行分类。
2、sigmod等激活函数
引入非线性变换，增加对空间的扭曲能力（抬高、下陷等）
3、感知机+激活函数+多隐层（多层感知机）
引入多条线段（超平面）对样本进行划分，故增加隐层能够有非常强的拟合能力（足够多的短线段能够拟合出无限复杂的曲线来分割样本）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
