深度学习笔记: 前馈神经网络（FFNN）

前馈神经网络（FFNN）

欢迎Star我的Machine Learning Blog:https://github.com/purepisces/Wenqing-Machine_Learning_Blog。

定义：

前馈神经网络包括多个层次：输入层、一个或多个隐藏层和输出层。在FFNN中，数据单向流动——直接从输入到输出，没有循环。当使用多个隐藏层时，神经网络被称为“深度神经网络”，从而引入了“深度学习”的领域。

前馈过程：

给定已知的输入向量和网络中的权重，我们可以计算输出向量。

基本结构：

• 输入层：

  • 神经元的数量通常对应于输入数据的大小。
    • 例如：对于28x28像素的图像（如MNIST数据集中的图像），输入层有28×28=784个神经元，每个像素一个。