深度前馈网络（deep feedforward network）

深度前馈网络（deep feedforward network)也叫做前馈神经网络（feedforward neural network)，也叫做多层感知机（multilayer perceptron,MLP),是典型的深度学习模型。

这种模型是前向（forward）的，在模型的输入和输出之间没有反馈（feedback）链接。当前馈神经网络被扩展成包含反馈连接的，则称之为循环神经网络（recurrent neural network)。

前馈神经网络之所以被称为网络（network），是因为它们通常用许多不同的函数复合在一起来表示。例如，我们有三个函数f₁,f₂,f₃，连接在一个链上以形成f(x)=f₃(f₂(f₁(x)))，在这种情况下，f₁被称为网络的第一层（first layer）,f₂被称为网络的第二层（second layer）,以此类推。 链的全长称为模型的深度（depth）。

Coding

在进行数据传播时，往往是多个样本打包一起传播，这个打包的单位成为批（batch），很多框架以行作为批大小，其目的就是以批为单位处理数据。

在将表示状态的坐标数据（x1,x2)作为批汇总时，可以如下表示：

标签：feedforward,f1,network,网络,笔记,前馈,神经网络,花书
来源： https://www.cnblogs.com/juneyiiii/p/16278464.html