您现在的位置是:首页 > 技术资料 > 全连接前馈神经网络
推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

全连接前馈神经网络

更新时间:2026-06-06 11:19:19 大小:17K 上传用户:江岚查看TA发布的资源 标签:神经网络 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

基本定义与核心特征

全连接前馈神经网络(Feedforward Neural Network,简称FFN,也常被称为多层感知机(Multi-Layer PerceptronMLP),是深度学习领域最基础的一类人工神经网络结构。其核心特征可以概括为两点:第一是全连接,即相邻两层的每一个神经元都与下一层的所有神经元建立连接,不存在同层连接或跨层连接;第二是前馈,信息传递方向始终是从输入层开始,逐层经过隐藏层,最终流向输出层,没有反向的信息循环或反馈连接。

作为最早被系统化研究的深度学习模型,FFN奠定了现代神经网络的基本架构范式,也几乎是所有复杂神经网络结构的基础组件。Transformer架构中应用的前馈网络模块,本质就是简化版的全连接前馈神经网络。

网络结构组成

典型的全连接前馈神经网络由三类层级结构依次堆叠而成,从输入到输出依次为:输入层、一个或多个隐藏层、输出层。

1. 输入层(Input Layer

输入层是网络与外部数据交互的入口,负责接收原始输入的特征向量,不进行任何计算处理,神经元的数量等于输入特征的维度。比如输入是28×28的手写数字图片,将其展开为一维向量后输入维度就是784,输入层的神经元数量也对应为784

2. 隐藏层(Hidden Layer

隐藏层是位于输入层和输出层之间,负责对输入特征进行变换和提取的层级,网络的全部计算能力主要来自隐藏层的参数。每一个隐藏层由多个神经元组成,每个神经元会对上一层的所有输出进行加权求和,再加上偏置项,最终通过激活函数引入非线性变换。


部分文件列表

文件名 大小
全连接前馈神经网络.docx 17K

【关注公众号领20积分】

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载