【机器学习与深度学习理论要点】19.前馈神经网络、深度学习的优缺点

目录

1. 什么是前馈神经网络

前馈神经网络又称多层感知机，是典型的深度学习模型。它是一种单向多层结构，其中每一层包含若干个神经元。在此种神经网络总，各神经元可以接收前一层神经元的信号，并产生输出到下一层。第0层叫输入层，最后一层叫输出层，其他中间层叫隐含层，隐含层可以是一层，也可以是多层。整个网络中无反馈，信号从输入层向输出层单向传播。
$$f(x)=f^{(3)}(f^{(2)}(f^{(1)}(x)))$$
其中$f^{(1)}$被称为网络的第一层，$f^{(2)}$被称为第二层，依次类推，链的全长为模型的深度。

2. 深度学习的优缺点

1）优点：

• 性能更优异
• 不需要特征工程
• 在大数据样本下有更好的性能
• 能解决某些传统机器学习无法解决的问题

2）缺点

• 小数据样本下性能不如机器学习
• 模型复杂
• 过程不可解释

作者：野哥李
微信公众号：AI算法学习社
欢迎任何形式的转载，但请务必注明出处。
限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。
本文章不做任何商业用途，仅作为自学所用，文章后面会有参考链接，我可能会复制原作者的话，如果介意，我会修改或者删除。