网站介绍:含隐藏层的全连接前馈神经网络图:加入隐藏层而非只有输入层和输出层的原因:如果不加入隐藏层,则在进行最终的判断时,输入层的每一个数据都和输出结果直接挂钩,但事实上,这样的挂钩是十分不可靠的。例如,判断照片上的人是男生还是女生,输入数据是图片上的每一个像素点,输出结果是是男生还是女生。如果没有隐藏层,也就意味着,每一个像素点和性别判断是直接相关的,但实际并不是这样。但如果加入一个隐藏层,则网络结构可以看成两个分类器的结合,输入层和隐藏层看作第一个分类器,隐藏层和输出层看作第二个分类器,且第二个分类器的
- 链接地址:https://blog.csdn.net/qq_41821608/article/details/116030220
- 链接标题:【NLP】毕设学习笔记(七)前馈神经网络代表者——卷积神经网络无公式理解-CSDN博客
- 所属网站:blog.csdn.net
- 被收藏次数:6992
- 网站标签:【NLP】毕设学习笔记(七)前馈神经网络代表者——卷积神经网络无公式理解