神经网络和深度学习¶
1 前馈神经网络与参数优化¶
在人工神经网络中，MCP模型成为最基本的结构,可求解二分类问题
1.1 单层感知机¶
单层感知机由一个输入层和一个输出层构成，可作为一种线性二分类模型
\[
z : z = \sum_{i=1}^{n} w_ix_i+b
\]
\(z\)是激活函数的输入，\(w_i\)是权重，\(x_i\)是输入数据，\(b\)是偏置项
单层感知机构建 损失函数，来计算模型预测值与数据真实值之间的“误差”，通过最小化损失函数取值，来优化模型参数。
单层感知机可以模拟逻辑与，逻辑与非，逻辑或等线性可分函数，但是无法完成逻辑异或这一非线性操作
1.2 前馈神经网络¶
在感知机模型中增加若干隐藏层，增强神经网络的非线性表达能力，即由多个隐藏层构成的多层感知机