文章介绍了感知机作为神经网络的基础，其线性特性和局限性，以及如何通过增加隐藏层、多个输出和使用不同激活函数来扩展模型，形成深度神经网络（DNN）。DNN由输入层、隐藏层和输出层构成，层间全连接，并详细阐述了前向传播算法和权重、偏倚在模型中的作用。
以下内容来自漫漫成长-知乎的学习笔记，总结如下：
1.首先介绍感知机（perceptron）
感知机模型：是一个有若干输入和一个输出的模型。
其中输出和输入之间存在线性关系。公式如下：
之后使用一个神经元激活函数对输出z处理。
最低0.47元/天 解锁文章
扫一扫
评论 1
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
感知机模型：是一个有若干输入和一个输出的模型。
其中输出和输入之间存在线性关系。公式如下：
之后使用一个神经元激活函数对输出z处理。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
