本文共 452 字，大约阅读时间需要 1 分钟。

多层神经网络做的步骤是：

神经网络是用来处理 非线性关系的，输入和输出之间的关系可以确定（存在非线性关系），可以利用神经网络的自我学习（需要训练数据集 用明确的输入和输出），训练后权值确定，就可以测试新的输入了。

遗传算法是用来解决最值问题的，生物进化、优胜略汰。更灵活没有限制，唯一的难处就是 编码染色体 和评价函数的选择。

深度学习的网络结构也是多层神经网络的一种。

而深度学习中最著名的卷积神经网络CNN，在原来多层神经网络的基础上，加入了特征学习部分，这部分是模仿人脑对信号处理上的分级的。

具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层，而且加入的是一个层级。

输入层 - 卷积层 -降维层 -卷积层 - 降维层 – … – 隐藏层 -输出层

转载地址：https://chilaidashi.blog.csdn.net/article/details/111184687 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！