反向传播和前馈神经网络有什么区别？

Question

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进方向，但在反向传播中，一旦我们需要做一个前向传播，然后反向传播。我指的是此链接

1. 除了流向之外，还有其他的区别吗？那重量计算呢？结果呢？
2. 假设我正在实现反向传播，即它包含正向和反向流。那么，反向传播是否足以显示前馈？

Answer 1

• 前馈神经网络是一种神经网络体系结构，其中的连接是“前馈”的，即不形成循环(如在递归网中)。
• 术语“前馈”也是在输入层输入某物时使用的，它从输入层传递到隐藏层，从隐藏层传递到输出层。 值是“前馈”。

这两种短语“前馈”的使用都与培训本身无关。

• 反向传播是一种训练算法，由两个步骤组成: 1) 前馈值，2)计算误差，将其传回到早期层。因此，准确地说，前向传播是反向传播算法的一部分，但在反向传播之前。

Answer 2

不存在纯反向传播或纯前馈神经网络。

反向传播是神经网络训练(调整权值)的算法。反向传播的输入是output_vector，target_output_vector，输出是adjusted_weight_vector。

前馈算法是从输入向量中求出输出向量的算法.前馈输入为input_vector，输出输入为output_vector.

在训练神经网络时，需要同时使用这两种算法。

当你使用神经网络(已经训练过)时，你只使用前馈。

神经网络的基本类型是多层感知器，即前馈反向传播神经网络.

还有更先进的类型的神经网络，使用改进的算法。

还有很好的学习来源：ftp://ftp.sas.com/pub/neural/FAQ.html最需要理解的原理是编程它(本视频教程) https://www.youtube.com/watch?v=KkwX7FkLfug

Answer 3

简单地说：

饲料是一种建筑。相反的是递归神经网络。

反向传播(BP)是一种求解方法。BP神经网络可以同时解决饲料和递归神经网络问题.