反向传播神经网络和前馈神经网络之间有什么区别?
通过谷歌搜索和阅读,我发现在前馈网络中只有正向传递,而在反向传播中我们需要进行一次正向传递和一次反向传递。我参考了这个链接
- 除了流动方向之外还有其他差异吗? 权重计算呢? 结果呢?
- 假设我正在实现反向传播,即它包含正向和反向流程。那么反向传播足以显示前馈吗?
反向传播神经网络和前馈神经网络之间有什么区别?
通过谷歌搜索和阅读,我发现在前馈网络中只有正向传递,而在反向传播中我们需要进行一次正向传递和一次反向传递。我参考了这个链接
前馈神经网络是一种神经网络架构类型,其中连接是“向前传递”的,即不形成循环(例如在递归网络中)。
术语“前馈”也用于当您在输入层输入某些内容并且它从输入到隐藏层,从隐藏到输出层进行传输时。
这些值被“前馈”。
这些短语“前馈”都与训练本身无关。
没有纯的反向传播或纯的前馈神经网络。
反向传播是一种训练(调整权重)神经网络的算法。 反向传播的输入是输出向量、目标输出向量, 输出是调整后的权重向量。
前馈是一种从输入向量计算输出向量的算法。 前馈的输入是输入向量, 输出是输出向量。
当您正在训练神经网络时,需要同时使用这两种算法。
当您使用已经训练好的神经网络时,只需使用前馈。
基本类型的神经网络是多层感知器,它是一种前馈反向传播神经网络。
还有更高级别的神经网络,使用改进的算法。
学习的好资源: ftp://ftp.sas.com/pub/neural/FAQ.html 最好的理解原则的方法是编写程序(本视频中的教程)https://www.youtube.com/watch?v=KkwX7FkLfug
简单来说:
前馈是一种架构,相反的是循环神经网络。
反向传播(BP)是一种解决方法。BP可以解决前馈和循环神经网络。
神经网络可以有不同的架构。它们各自的神经元之间的连接确定信息的传递方向。根据网络连接的方式,它们被归类为前馈和递归(反向传播)。
前馈神经网络
在这些类型的神经网络中,信息仅在一个方向流动,即从输入层到输出层。当权重一旦确定后,它们通常不会改变。一个人要么明确地决定权重,要么使用Radial Basis Function等函数来决定权重。这里的节点完成它们的工作而不知道生成的结果是否准确(即它们不会根据生成的结果重新调整)。没有来自前面层的反馈。
递归神经网络(反向传播)
信息从输入层到输出层传递以产生结果。然后将错误反馈回先前的层次。节点知道它们对答案错误产生了多少贡献。权重被重新调整。神经网络得到改进。它学习了。信息具有双向流动。这基本上实现了前馈和反向传播两种算法。