反向传播和前馈神经网络有什么区别?
通过谷歌搜索和阅读,我发现在前馈中只有前向方向,但在反向传播中,一旦我们需要进行前向传播然后反向传播。我提到了this link
“前馈”这一短语的这两种用法都与培训本身无关。
没有纯粹的反向传播或纯前馈神经网络。
反向传播是训练(调整权重)神经网络的算法。反向传播的输入是output_vector,target_output_vector,输出是adjust_weight_vector。
前馈是从输入向量计算输出向量的算法。前馈输入是input_vector,输出是output_vector。
当您训练神经网络时,您需要使用这两种算法。
当您使用神经网络(已经过训练)时,您只使用前馈。
神经网络的基本类型是多层感知器,它是前馈反向传播神经网络。
还有更先进的神经网络类型,使用修改后的算法。
也是很好的研究来源:ftp://ftp.sas.com/pub/neural/FAQ.html最好理解的原则是编程它(本视频教程)https://www.youtube.com/watch?v=KkwX7FkLfug
神经网络可以具有不同的架构。他们的神经元之间的联系决定了信息流的方向。根据网络连接,它们分为 - 前馈和后续(后向传播)。
前馈神经网络
在这些类型的神经网络中,信息仅在一个方向上流动,即从输入层到输出层。当权重一旦确定,它们通常不会改变。一个明确地决定权重或使用径向基函数等函数来决定权重。这里的节点完成它们的工作,而不知道产生的结果是否准确(即它们不会根据产生的结果重新调整)。前面的层没有回传。
递归神经网络(反向传播)
信息从输入层传递到输出层以产生结果。然后将结果中的错误传回到先前的层。节点了解他们在答案错误中贡献了多少。重量调整重量。神经网络得到改善。它学习。有双向信息流。这基本上具有实现的算法,前馈和反向传播。