深度学习之二（前馈神经网络--Feedforward Neural Network）

概念

前馈神经网络（Feedforward Neural Network）是一种最基本的神经网络结构，也被称为多层感知器（Multilayer Perceptron，MLP）。它的特点是信息只在网络中单向传播，不会形成环路。每一层神经元的输出都作为下一层神经元的输入，没有反馈回路。

结构：

前馈神经网络通常由三种类型的层构成：

1. 输入层（Input Layer）： 接收输入特征，并将其传递到下一层。
2. 隐藏层（Hidden Layers）： 在输入层和输出层之间，包含了若干层神经元。每一层都会通过权重连接到下一层，并使用激活函数处理输出。
3. 输出层（Output Layer）： 提供网络的最终输出。通常用不同的激活函数来处理输出，比如用于二分类问题的 sigmoid，用于多分类问题的 softmax，或用于回归问题的线性激活函数。

工作原理：

前馈神经网络通过前向传播进行工作，即从输入层到输出层的信息传递过程。具体步骤如下：

1. 前向传播（Forward Propagation）： 输入数据从输入层传递到隐藏层，然后传递到输