标签：feedforward f1 network 网络 笔记 前馈 神经网络 花书

深度前馈网络（deep feedforward network）

深度前馈网络（deep feedforward network)也叫做前馈神经网络（feedforward neural network)，也叫做多层感知机（multilayer perceptron,MLP),是典型的深度学习模型。

这种模型是前向（forward）的，在模型的输入和输出之间没有反馈（feedback）链接。当前馈神经网络被扩展成包含反馈连接的，则称之为循环神经网络（recurrent neural network)。

前馈神经网络之所以被称为网络（network），是因为它们通常用许多不同的函数复合在一起来表示。例如，我们有三个函数f₁,f₂,f₃，连接在一个链上以形成f(x)=f₃(f₂(f₁(x)))，在这种情况下，f₁被称为网络的第一层（first layer）,f₂被称为网络的第二层（second layer）,以此类推。 链的全长称为模型的深度（depth）。

Coding

在进行数据传播时，往往是多个样本打包一起传播，这个打包的单位成为批（batch），很多框架以行作为批大小，其目的就是以批为单位处理数据。

在将表示状态的坐标数据（x1,x2)作为批汇总时，可以如下表示：

标签：feedforward,f1,network,网络,笔记,前馈,神经网络,花书
来源： https://www.cnblogs.com/juneyiiii/p/16278464.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。