让我看见你的样子——神经网络

上期我们介绍了简单而又不简单的神经元，不要小看这它，通过不同场景下神经元的组合，其可以产生意想不到的效果。这期我们就来讲一讲，神经网络常见的架构。

前馈神经网络Feedforward Neural Network，也被称作多层感知器Multilayer Perceptron，这是一种非常典型的神经网络模型。前馈神经网络中层与层之间的神经元采用全连接的方式，即当前层的某个神经元跟下一层的所有神经元都存在连接。其结构如下图所示。此外，除了它的输入层之外，其余每层的神经元都会采用非线性激活函数，非线性激活函数可以是Sigmoid、ReLU等等。使用激活函数可以使模型具备非线性拟合能力，这一点是将前馈神经网络与传统的线性感知器区分开来的关键。前馈神经网络中使无反馈的，信号是从输入层向输出层单向传播。

深度神经网络中有很多经典的架构，从简单的线性模型到卷积神经网络，再到循环神经网络，还有图神经网络等等。不同的深度神经网络虽然模型结构有所不同，但是其本质上都可以视为从输入数据中学习有效特征表示的过程，即是通过有限的参数表达输入的特征。

今天首先开一个小小的头，后面我们继续串讲更多经典的神经网络模型结构。虽然简单的介绍并不能直接上手，但简单的了解过程正是深入学习的开始。

码字不易，欢迎点赞、关注+收藏，一键三连噢~