深度学习入门-01感知机和神经网络对比
·
文章目录
一.概念
1.1 感知机概念
感知机由美国学者Frank Rosenblatt在1957年提出,它通过接收多个输入信号,输出一个信号。比如,我们通过检查者的各项标准(血压、抽血后的各项参数、心跳心率等,多个信号)来评价这个检查者是否有疾病(有or没有,一个信号)。如图,是有两个输入的感知机。
上图公式为
1.2 神经网络概念
神经网络官方定义见百度百科,神经网络其实就是多层感知机(把多个单层感知机组合在一起),即使用sigmoid或者tanh或relu等平滑的激活函数的多层网络。
1.3 区别
如果是单层网络(使用阶跃函数)的话,如下图,则为朴素感知机。如果是多个单层感知机叠加的话,就是多层感知机。
如果是使用平滑性的非线性激活函数(sigmoid,relu, softmax, leakyrelu等)的多层网络就是神经网络,如下图。
所以总结就是:
1.如果使用了平滑性的非线性激活函数的多层网络为神经网络。
2.如果使用的是像阶跃函数一样非平滑性的激活函数为感知机。根据单层和多层分为朴素感知机和多层感知机,
魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐


所有评论(0)