FEEDFORWARD NEURAL NETWORK

前馈神经网络

最基础的神经网络结构,信号从输入层单向传播到输出层

网络配置

4
6
3

训练统计

训练轮次
0
损失值
0.8500
准确率
15%

网络结构可视化

输入层
1
2
3
4
隐藏层
1
2
3
4
5
6
输出层
1
2
3
输入层

接收原始数据特征

隐藏层

提取和转换特征

输出层

产生最终预测结果

工作原理

1

前向传播

输入数据从输入层开始,经过加权求和和激活函数,逐层向前传播到输出层

2

计算损失

将网络输出与真实标签对比,计算预测误差(损失函数)

3

反向传播

从输出层向输入层反向传播误差,使用链式法则计算每个参数的梯度

4

参数更新

根据梯度和学习率更新权重和偏置,使损失逐渐减小

实际应用案例

手写数字识别

识别0-9的手写数字,MNIST数据集经典应用

98.5%

房价预测

根据房屋特征预测价格,回归问题典型案例

R²=0.92

鸢尾花分类

根据花瓣特征分类鸢尾花种类,多分类问题

96.7%
Talk with Us