深度学习的工作原理  

作　　者：Samuel K.Moore David Schneider Eliza Strickland 

机构地区：[1]不详

出　　处：《科技纵览》2021年第10期28-30,共3页IEEE Spectrum

摘　　要：假设有一个前向反馈深度神经网络结构(用"深度"来形容,是因为它包含多个隐藏层).这个例子展示了网络解读手写数字的图像,并将其划归为10个可能的数字之一.?输入层包含许多神经元,每个神经元的激活值设置为图像中一个像素的灰度值.这些输入神经元与下一层的神经元相连,在乘以某个特定值(称为权重)后传递其激活水平.第二层中的每个神经元都对其多个输入求和,并应用一个激活函数来确定其输出,且该输出以相同的方式向前传送.

关 键 词：神经网络结构 输入神经元 激活函数 手写数字 深度学习 反馈深度 输入层 灰度值 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]