多层前馈神经网络

代码说明：

应用背景前馈神经网络，是一个和，人工神经网络，其中的单位之间的联系，而不是和，形成一个和，有向周期。这是不同的，经常性的神经网络。前馈神经网络是第一个和最简单的类型的人工神经网络设计。在这个网络中，信息只有一个方向移动，向前，从输入节点，通过隐藏节点（如果有的话）和输出节点。网络中没有循环或循环多层感知器 ； ；（MLP）是一种前馈 ； ；人工神经网络 ；模型组输入数据映射到一组适当的输出。MLP由节点的有向图中的多个层，每个层完全连接到下一个。除了输入节点，每个节点是一个神经元（或处理单元）具有非线性和激活功能。MLP采用 ；监督学习 ；技术称为 ；BP  ；训练网络。[ 1 ] [ 2 ]  ；MLP是修改标准的线性感知器 ； ； ，可以不区分的数据；线性可分。[ 3 ]和公司的；和；关键技术多层感知器使用反向传播算法是任何 标准监督学习算法； ； 模式识别过程和正在进行的研究的主题；计算神经科学 ；和 ；并行分布处理。他们在随机解决问题的能力方面有用的研究，往往可以得到近似解复杂极 ； ； 健身近似等问题。MLP是在上世纪80年代流行的一种机器学习方法，发现在不同领域的应用如 ； ；语音识别，图像识别，和机器翻译 ； ；软件，[ 5 ]  ；但自上世纪90年代面临更强大的竞争（与[ 6 ]） ；支持向量机。最近，有一些新的反向传播网络的兴趣，由于成功的经验，深学习。