前馈神经网络，feedforward neural network是什么意思

1，feedforward neural network是什么意思

feedforward neural network前馈神经网络feedforward neural network[计]前馈神经网络; .很高兴为你解答！如有不懂，请追问。谢谢！

feedforward neural network是什么意思

2，feedforward neural network是bp神经网络吗

和CCY1824说的一样。bp神经网络无非是用反向传播（Back Propagation）算法进行训练的前馈神经网络而已。

这是指前馈型网络，bp也是前馈型网络的一种再看看别人怎么说的。

feedforward neural network是bp神经网络吗

3，前向神经是什么类型的神经网络是前反馈神经网络吗

神经网络有前馈神经网络和反馈神经网络，前向神经网络也就是前馈神经网络。前馈型网络各神经元接收前一层的输入，并输出给下一层，没有反馈。节点分为两类，即输入节点和计算节点，每一个计算节点可有多个输入，但只有一个输出，通常前馈型网络可分为不同的层，第i层的输入只与第i-1层的输出相连，输入与输出节点与外界相连，而其他中间层则称为隐层。反馈型网络所有节点都是计算节点，同时可接收输入，并向外界输出。常见的前馈神经网络有BP网络，RBF网络等.

前向神经是什么类型的神经网络是前反馈神经网络吗

4，前馈神经网络的分类

单层前馈神经网络是最简单的一种人工神经网络，其只包含一个输出层，输出层上节点的值（输出值）通过输入值乘以权重值直接得到。取出其中一个元进行讨论，其输入到输出的变换关系为上式中，是输入特征向量，是到的连接权，输出量是按照不同特征的分类结果。多层前馈神经网络有一个输入层，中间有一个或多个隐含层，有一个输出层。多层感知器网络中的输入与输出变换关系为这时每一层相当于一个单层前馈神经网络，如对第层，它形成一个维的超平面。它对于该层的输入模式进行线性分类，但是由于多层的组合，最终可以实现对输入模式的较复杂的分类。

5，什么是Kohonen神经网络

Kohonen SOFM 是一种前馈式无监督学习网络,它由两层即输入层和输出层组成。输入层又称匹配层,计算输入模式向量与权向量之间的距离,即匹配程度;输出层又称竞争层,各神元以匹配程度为依据进行竞争,确定匹配程度大(距离小)的神经元获胜。获胜的神经元及其领域内的神经元权向量朝与模式向量更靠近方向更新,经过多次反复的这种竞争与更新,最终神经元就会学会模式向量,并以权向量形式保存下来,从而实现对模式向量的聚类、识别与拓扑不变性映射等。这一过程就是自组织学习(映射)。可见Kohonen SOFM自组织映射学习映射包括两部分:最佳匹配神经元的选择和权向量的更新。

6，前馈网络和递归网络有什么本质区别

递归网络与前馈网络有所不同，递归网络中节点间连接方式存在反馈，即神经元之间存在着反馈回路。因此在递归网络中，输入也可以由同一层的各节点通过反馈回路输入，还可以由下一层的各节点通过反馈回路输入。递归网络中至少存在一个反馈环，反馈环对整个神经网络的学习、“记忆”等性能有较深的影响。前馈网络的输出由源节点的输入、网络结构及参数来决定，与过去的输出无关，因而不具有“记忆”能力；由于反馈回路的作用，反馈网络的输出不仅与源节点的输入、网络结构及参数有关，还与网络过去的输出有关，因而反馈网络具备“记忆”的能力。从效果上看，前馈网络主要是函数的映射，可用作函数逼近和模式识别；而递归网络按能力函数的极小点可分为全部极小点起作用和局部极小点起作用两类，前者可用于各种联想存储器，后者主要用于各种优化问题。

前馈网络和递归网络的本质区别是：网络的某些输出是不是循环作为网络的输入。前馈网络的所有输出都不能作为输入,而递归网络的某些输出可以循环作为网络的输入。

递归网络与前馈网络有所不同，递归网络中节点间连接方式存在反馈，即神经元之间存在着反馈回路。因此在递归网络中，输入也可以由同一层的各节点通过反馈回路输入，还可以由下一层的各节点通过反馈回路输入。递归网络中至少存在一个反馈环，反馈环对整个神经网络的学习、“记忆”等性能有较深的影响