首頁(yè) > 廠商 > 問答 > 前饋神經(jīng)網(wǎng)絡(luò)，feedforward neural network是什么意思

前饋神經(jīng)網(wǎng)絡(luò)，feedforward neural network是什么意思

來源：整理時(shí)間：2024-11-05 18:23:38 編輯：智能門戶手機(jī)版

1，feedforward neural network是什么意思

feedforward neural network前饋神經(jīng)網(wǎng)絡(luò)feedforward neural network[計(jì)]前饋神經(jīng)網(wǎng)絡(luò); .很高興為你解答！如有不懂，請(qǐng)追問。謝謝！

feedforward neural network是什么意思

2，feedforward neural network是bp神經(jīng)網(wǎng)絡(luò)嗎

和CCY1824說的一樣。bp神經(jīng)網(wǎng)絡(luò)無非是用反向傳播（Back Propagation）算法進(jìn)行訓(xùn)練的前饋神經(jīng)網(wǎng)絡(luò)而已。

這是指前饋型網(wǎng)絡(luò)，bp也是前饋型網(wǎng)絡(luò)的一種再看看別人怎么說的。

feedforward neural network是bp神經(jīng)網(wǎng)絡(luò)嗎

3，前向神經(jīng)是什么類型的神經(jīng)網(wǎng)絡(luò)是前反饋神經(jīng)網(wǎng)絡(luò)嗎

神經(jīng)網(wǎng)絡(luò)有前饋神經(jīng)網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)，前向神經(jīng)網(wǎng)絡(luò)也就是前饋神經(jīng)網(wǎng)絡(luò)。前饋型網(wǎng)絡(luò) 各神經(jīng)元接收前一層的輸入，并輸出給下一層，沒有反饋。節(jié)點(diǎn)分為兩類，即輸入節(jié)點(diǎn)和計(jì)算節(jié)點(diǎn)，每一個(gè)計(jì)算節(jié)點(diǎn)可有多個(gè)輸入，但只有一個(gè)輸出，通常前饋型網(wǎng)絡(luò)可分為不同的層，第i層的輸入只與第i-1層的輸出相連，輸入與輸出節(jié)點(diǎn)與外界相連，而其他中間層則稱為隱層。反饋型網(wǎng)絡(luò) 所有節(jié)點(diǎn)都是計(jì)算節(jié)點(diǎn)，同時(shí)可接收輸入，并向外界輸出。常見的前饋神經(jīng)網(wǎng)絡(luò)有BP網(wǎng)絡(luò)，RBF網(wǎng)絡(luò)等.

前向神經(jīng)是什么類型的神經(jīng)網(wǎng)絡(luò)是前反饋神經(jīng)網(wǎng)絡(luò)嗎

4，前饋神經(jīng)網(wǎng)絡(luò)的分類

單層前饋神經(jīng)網(wǎng)絡(luò)是最簡(jiǎn)單的一種人工神經(jīng)網(wǎng)絡(luò)，其只包含一個(gè)輸出層，輸出層上節(jié)點(diǎn)的值（輸出值）通過輸入值乘以權(quán)重值直接得到。取出其中一個(gè)元進(jìn)行討論，其輸入到輸出的變換關(guān)系為上式中，是輸入特征向量，是到的連接權(quán)，輸出量是按照不同特征的分類結(jié)果。多層前饋神經(jīng)網(wǎng)絡(luò)有一個(gè)輸入層，中間有一個(gè)或多個(gè)隱含層，有一個(gè)輸出層。多層感知器網(wǎng)絡(luò)中的輸入與輸出變換關(guān)系為這時(shí)每一層相當(dāng)于一個(gè)單層前饋神經(jīng)網(wǎng)絡(luò)，如對(duì)第層，它形成一個(gè)維的超平面。它對(duì)于該層的輸入模式進(jìn)行線性分類，但是由于多層的組合，最終可以實(shí)現(xiàn)對(duì)輸入模式的較復(fù)雜的分類。

5，什么是Kohonen神經(jīng)網(wǎng)絡(luò)

Kohonen SOFM 是一種前饋式無監(jiān)督學(xué)習(xí) 網(wǎng)絡(luò),它由兩層即輸入層和輸出層組成。輸入層又稱匹配層,計(jì)算輸入模式向量與權(quán)向量之間的距離,即匹配程度;輸出層又稱競(jìng)爭(zhēng)層,各神元以匹配程度為依據(jù)進(jìn)行競(jìng)爭(zhēng),確定匹配程度大(距離小)的神經(jīng)元獲勝。獲勝的神經(jīng)元及其領(lǐng)域內(nèi)的神經(jīng)元權(quán)向量朝與模式向量更靠近方向更新,經(jīng)過多次反復(fù)的這種競(jìng)爭(zhēng)與更新,最終神經(jīng)元就會(huì)學(xué)會(huì)模式向量,并以權(quán)向量形式保存下來,從而實(shí)現(xiàn)對(duì)模式向量的聚類、識(shí)別與拓?fù)洳蛔冃杂成涞取＿@一過程就是自組織學(xué)習(xí)(映射)。可見Kohonen SOFM自組織映射學(xué)習(xí) 映射包括兩部分:最佳匹配神經(jīng)元的選擇和權(quán)向量的更新。

6，前饋網(wǎng)絡(luò)和遞歸網(wǎng)絡(luò)有什么本質(zhì)區(qū)別

遞歸網(wǎng)絡(luò)與前饋網(wǎng)絡(luò)有所不同，遞歸網(wǎng)絡(luò)中節(jié)點(diǎn)間連接方式存在反饋，即神經(jīng)元之間存在著反饋回路。因此在遞歸網(wǎng)絡(luò)中，輸入也可以由同一層的各節(jié)點(diǎn)通過反饋回路輸入，還可以由下一層的各節(jié)點(diǎn)通過反饋回路輸入。遞歸網(wǎng)絡(luò)中至少存在一個(gè)反饋環(huán)，反饋環(huán)對(duì)整個(gè)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、“記憶”等性能有較深的影響。前饋網(wǎng)絡(luò)的輸出由源節(jié)點(diǎn)的輸入、網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)來決定，與過去的輸出無關(guān)，因而不具有“記憶”能力；由于反饋回路的作用，反饋網(wǎng)絡(luò)的輸出不僅與源節(jié)點(diǎn)的輸入、網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)有關(guān)，還與網(wǎng)絡(luò)過去的輸出有關(guān)，因而反饋網(wǎng)絡(luò)具備“記憶”的能力。從效果上看，前饋網(wǎng)絡(luò)主要是函數(shù)的映射，可用作函數(shù)逼近和模式識(shí)別；而遞歸網(wǎng)絡(luò)按能力函數(shù)的極小點(diǎn)可分為全部極小點(diǎn)起作用和局部極小點(diǎn)起作用兩類，前者可用于各種聯(lián)想存儲(chǔ)器，后者主要用于各種優(yōu)化問題。

前饋網(wǎng)絡(luò)和遞歸網(wǎng)絡(luò)的本質(zhì)區(qū)別是：網(wǎng)絡(luò)的某些輸出是不是循環(huán)作為網(wǎng)絡(luò)的輸入。前饋網(wǎng)絡(luò)的所有輸出都不能作為輸入,而遞歸網(wǎng)絡(luò)的某些輸出可以循環(huán)作為網(wǎng)絡(luò)的輸入。

文章TAG：前饋神經(jīng)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)前饋神經(jīng)網(wǎng)絡(luò)neural network是什么意思