多層感覺機（MLP）

　　最終還是沒有憋住，寫下了這篇博文，最近真的是感慨很多啊，真的很想找個人說說。還有那麼多的東西要看要學。

　　最近一直在搞神經網絡方面的東西，看了MLP的講解，但都是講解結構，我就是想知道MLP到底是幹啥的，有什麼用，一直沒找到，碰巧在一篇部落格中看到便在此記錄一下自己的了解。這裡不講解它的結構和曆史，想了解的可以看這裡和這裡，本篇隻是為了從高維的角度給出一個整體的認識。

　　

　　作用：它就是一個傳統的神經網絡，就是為了解決單層感覺機無法解決的非線性問題（單層感覺機隻能對線性資料進行分類）。做圖檔處理的大都是用caffe，它就相當于caffe裡面的p2p層。

　　多層感覺機最初是為了做分類的，但是它也可以處理回歸問題，隻要在最後将softmax等分類器改成sigmoid回歸就行。它的訓練方式也是“BP反向傳導”。

　　

　　很好的一個圖檔：

　　

　　

　　但是它的隐藏層之間的連接配接方式是“全連接配接”的，是以造成（1）訓練的參數過多（2）由于（1）造成它的層數不可能過多，限制了它的能力也有限，不能解決比較複雜的問題。于是，局部連接配接的卷積神經網絡便出來了，很好的解決了這些問題。