我试图理解一个简单的感知器和使用keras Sequence类时得到的神经网络之间的关系 .
我了解到神经网络感知器看起来像这样：
第一层中的每个“节点”是样本x_1，x_2，...，x_n的特征之一
有人可以解释我在下面的Keras包中找到的神经网络的跳转吗？由于输入层有四个节点，这是否意味着网络由四个感知器网络组成？
关于感知器是什么似乎存在误解 . 感知器是一个单独的单元，它将输入与权重相乘，将它们相加并应用激活函数：
现在，您所拥有的图表称为多层感知器（MLP），由一组层组织的感知器组成，wiki . 在Keras中，没有明确的感知器概念，而是实现为层的感知层，因为层是密集连接的，即每个输出都连接到层之间的每个输入 . 第二张图对应于：
model = Sequential() model.add(Dense(4, activation='sigmoid', input_dim=3)) model.add(Dense(4, activation='sigmoid')) model.add(Dense(1, activation='sigmoid'))
假设你有sigmoid激活 . 在这种情况下，通过指定 input_dim=3 来隐式输入图层，最后一层将是输出图层 .
input_dim=3
1 回答
关于感知器是什么似乎存在误解 . 感知器是一个单独的单元，它将输入与权重相乘，将它们相加并应用激活函数：
现在，您所拥有的图表称为多层感知器（MLP），由一组层组织的感知器组成，wiki . 在Keras中，没有明确的感知器概念，而是实现为层的感知层，因为层是密集连接的，即每个输出都连接到层之间的每个输入 . 第二张图对应于：
假设你有sigmoid激活 . 在这种情况下，通过指定
input_dim=3来隐式输入图层，最后一层将是输出图层 .