本站原创文章，转载请说明来自《老饼讲解-深度学习》www.bbbdata.com
多层感知机（MLP，Multilayer Perceptron）是一种全连接神经网络，属于深度学习的一种基础模型
本文讲解MLP的模型结构，前馈计算公式，以及展示一个MLP具体的计算例子，并进一步讲解MLP的仿生原理
通过本文可以快速了解MLP多层感知机神经网络是什么，MLP的详细结构和输出的计算过程，以及它的背后原理是什么
本节讲解MLP多层感知机神经网络的模型结构与计算
MLP多层感知机
多层感知机（MLP，Multilayer Perceptron）是深度学习中最基础、最常用的一种神经网络
MLP在ANN中一般被称为BP神经网络，而在深度学习中，则常被称为全连接神经网络
MLP神经网络最基础的用途是数值预测，即解决输入为连续的数值，输出也为连续的数值的任务
MLP多层感知机的结构如下：
如图，MLP由输入层、隐层、输出层组成(其中隐层可以是有多层的),各层则由神经元构成
MLP以前馈方式进行计算，即每层的输出作为下层的输入，不断套娃，直到输出层
每层的计算公式如下：
其中，X：该层的输入
W：该层的权重
B：该层的阈值
T：该层的激活函数
输出层一般不设激活函数，而隐层比较经典的激活函数是S型函数，例如tanh函数
但在深度学习中，由于层数过多tanh会导致训练困难，所以隐层往往用ReLu函数作为激活函数
MLP神经网络计算例子
MLP是一个前馈神经网络，它的计算过程是逐层计算的，一个计算实例如下：
1. 由输入x=[2，3]，可算得第一个隐层的输出值为：
2. 然后把作为第二个隐层的输入，可算得第二个隐层的输出：
3. 将作为输出层的输入，就可算得输出层的输出为：
本节讲解多层感知机MLP的仿生原理
MLP神经网络的生物意义
MLP神经网络的设计思路是什么呢？它借鉴于人脑的工作原理
在人的眼睛看到符号“5”的后，大脑将判别出它是5
MLP多层感知机正是要模仿这个行为，把这个行为过程简单拆分为：
(1) 眼睛接受了输入
(2) 把输入信号传给其它脑神经元
(3) 脑神经元综合处理后，输出结果为5
我们都知道， 神经元与神经元之间相互连接
当神经元的电信号超过阈值时，就会触发信号传递，将电信号传给其它神经元
MLP神经网络就是模仿人的大脑，每个神经元都有自己的激活值和激活函数
在接受到输入后，每层的神经元都接受来自上层各个神经元的值，将值进行逐层传递，直到输出层
好了，以上就是MLP神经网络的模型结构了~
End
