1. 感知机与线性模型
单层感知机的表达式和线性分类表达式等同,可以将一个 单层感知机看作是一个线性分类器。单层感知机可以解决 与、或、非 的分类问题,但是不能解决异或分类(非线性)问题。how to solve the problem:多个线性分类器解决线性不可分问题,即:多个单层感知机组合叠加解决非线性问题、多分类问题。
2. 权重、激活、激活函数
神经网络中,权重为模型要训练的参数;
激活:神经网络中,每个神经元又称为 激活;
激活函数:将前一层激活和权重积的累加的 非线性函数,类似于 机器学习中 线性分类问题 将距离映射为概率的 映射函数。常见激活函数如:Sigmoid。
3. 前向传播和反向传播
Input层 经由 隐藏层 最后到 output层,神经元习惯称为 激活。一般 每个全连接层共用一个激活函数。
标签:1.0,函数,分类,感知机,BP,线性,激活,单层 From: https://www.cnblogs.com/zhangzhenw/p/18133414