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 .