详细内容或原文请订阅后点击阅览
多层感知器解释：带有迷你 2D 数据集的可视化指南
分类算法剖析微型神经网络的数学（带视觉效果）有没有感觉神经网络无处不在？它们出现在新闻中、手机中，甚至出现在社交媒体中。但说实话 — 我们大多数人都不知道它们实际上是如何工作的。所有那些花哨的数学和像“反向传播”这样的奇怪术语？这里有一个想法：如果我们把事情变得非常简单会怎么样？让我们探索多层感知器 (MLP) — 最基本的神经网络类型 — 使用小型网络对简单的 2D 数据集进行分类，只需处理少量数据点。通过清晰的视觉效果和逐步解释，您将看到数学变得生动，确切地观察数字和方程式如何在网络中流动以及学习是如何发生的！所有视觉效果：作者使用 Canva Pro 创建。针对移动设备进行了优化；在桌面上可能显得过大。定义多层感知器 (MLP) 是一种使用连接节点层来学习模式的神经网络。它因具有多个层而得名 — 通常是一个输入层、一个或多个中间（隐藏）层和一个输出层。每个节点都连接到下一层的所有节点。当网络学习时，它会根据训练示例调整这些连接的强度。例如，如果某些连接导致正确的预测，它们就会变得更强。如果它们导致错误，它们就会变得更弱。这种通过示例学习的方式有助于网络识别模式并做出预测
来源:走向数据科学分类算法
多层感知器，解释了：带有迷你2D数据集的视觉指南
剖析微小神经网络的数学（视觉效果）
曾经感觉到神经网络到处都出现了吗？即使在您的社交媒体供稿中，他们也在新闻中，在您的手机中。但是，老实说 - 我们大多数人都不知道他们的实际运作方式。所有那些奇特的数学和奇怪的术语，例如“ backpropagation”？
这是一个想法：如果我们使事情超级简单怎么办？让我们探索一个最基本的神经网络类型的多层感知器（MLP），以使用小型网络对简单的2D数据集进行分类，仅使用少数数据点。
最基本的神经网络类型通过清晰的视觉效果和逐步的解释，您会看到数学栩栩如生，确切地观察数字和方程式如何流过网络以及学习的真正发生方式！
定义
多层感知器（MLP）是一种使用连接节点层来学习模式的神经网络。它从拥有多层（通常是输入层，一个或多个中间（隐藏）层和输出层）中获取其名称。
每个节点连接到下一层中的所有节点。当网络学习时，它会根据培训示例调整这些连接的强度。例如，如果某些连接导致正确的预测，它们会变得更强大。如果导致错误，它们会变得较弱。
通过示例学习这种方式有助于网络识别模式，并对以前从未见过的新情况做出预测。