11、深度学习之多层感知器输入层详解

深度学习之多层感知器输入层详解

1. 输入数据的形式

在深度学习领域，尤其是多层感知器（MLP）中，输入数据的形式至关重要。输入数据通常被表示为数值向量，这是多层感知器处理的起点。数值向量不仅便于计算机处理，还能有效地捕捉数据的特征。输入数据的形式决定了后续处理的复杂性和效果。

数据类型

• 图像数据 ：通常被表示为多维矩阵，每个像素点对应一个数值。例如，一张灰度图像可以表示为一个二维矩阵，彩色图像则表示为一个三维矩阵。
• 文本数据 ：需要经过编码转换为数值向量。常见的编码方法包括词袋模型（Bag-of-Words）、TF-IDF（Term Frequency-Inverse Document Frequency）和词嵌入（Word Embedding）。
• 时间序列数据 ：通常表示为一维向量，每个元素代表时间点上的观测值。

示例

数据类型	表示形式
图像	二维或三维矩阵
文本	数值向量（词袋