多層感知器，為什么能實(shí)現(xiàn)非線性？由于增加了激活函數(shù)，如果激活函數(shù)是非線性的，則可以實(shí)現(xiàn)非線性。這個(gè)原則很簡單。你可以試著用非線性函數(shù)來設(shè)置一個(gè)線性函數(shù)來運(yùn)算，結(jié)果一定是非線性的。然而，多層感知器網(wǎng)絡(luò)不

多層感知器，為什么能實(shí)現(xiàn)非線性？

由于增加了激活函數(shù)，如果激活函數(shù)是非線性的，則可以實(shí)現(xiàn)非線性。這個(gè)原則很簡單。你可以試著用非線性函數(shù)來設(shè)置一個(gè)線性函數(shù)來運(yùn)算，結(jié)果一定是非線性的。

然而，多層感知器網(wǎng)絡(luò)不一定具有激活函數(shù)，并且激活函數(shù)不一定是非線性的。該方法可人為設(shè)定，僅利用非線性激活函數(shù)加隨機(jī)權(quán)初值，是理論和實(shí)踐驗(yàn)證的最佳方法。

深度學(xué)習(xí)結(jié)構(gòu)及其算法和早已提出的多層感知器及其反向傳播算法有哪些本質(zhì)區(qū)別？

讓我談?wù)勎覀€(gè)人的理解。深度學(xué)習(xí)只是一個(gè)泛稱，包括DNN、CNN等。就DNN而言，目前的改進(jìn)在于多層稀疏自編碼的特征提取、初始權(quán)值的分層優(yōu)化，有效地避免了簡單bp算法的權(quán)值耗散，以及初始權(quán)值隨機(jī)性容易導(dǎo)致陷入局部最優(yōu)解的問題。此外，由于數(shù)據(jù)量的空前龐大和計(jì)算能力的空前提高，DNN在質(zhì)量上得到了很大的提高。CNN卷積神經(jīng)網(wǎng)絡(luò)主要用于圖像處理，但目前也逐漸應(yīng)用于其他領(lǐng)域，如交通需求預(yù)測、信號分析等。本質(zhì)上，由于多層卷積層和池化層的存在，也屬于深度學(xué)習(xí)。這是一項(xiàng)新發(fā)明。

BP神經(jīng)網(wǎng)絡(luò)和感知器有什么區(qū)別？

多層感知器是指結(jié)構(gòu)，BP是指學(xué)習(xí)算法。感知器模型非常簡單，即將神經(jīng)元上的多個(gè)輸入之和帶入輸出函數(shù)減去閾值。多層感知器是由多層感知器模型組成的前向網(wǎng)絡(luò)。BP是指BP算法，BP網(wǎng)絡(luò)是指具有多層感知器結(jié)構(gòu)和BP算法的網(wǎng)絡(luò)。BP網(wǎng)絡(luò)是一種多層感知器網(wǎng)絡(luò)，但BP網(wǎng)絡(luò)突出算法，多層感知器突出結(jié)構(gòu)。