前馈神经网络 (FFNN)
FFNN 的历史可以追溯至 20 世纪 40 年代，只是一种没有任何循环的网络。数据以单次传递的方式从输入传递至输出，而没有任何之前的 “状态记忆”。从技术上讲，深度学习中的大多数网络均可被视为 FFNN，但 “FFNN” 通常指的是其最简单的变体：一种密集连接的多层感知器 (MLP)。密集编码器用于将输入上已经很紧凑一组数字映射至预测：分类（离散）或回归（连续）数据。
以下是一个用于预测波士顿房价的 FFNN 示例，属于回归问题：
FFNN 的历史可以追溯至 20 世纪 40 年代，只是一种没有任何循环的网络。数据以单次传递的方式从输入传递至输出，而没有任何之前的 “状态记忆”。从技术上讲，深度学习中的大多数网络均可被视为 FFNN，但 “FFNN” 通常指的是其最简单的变体：一种密集连接的多层感知器 (MLP)。密集编码器用于将输入上已经很紧凑一组数字映射至预测：分类（离散）或回归（连续）数据。
以下是一个用于预测波士顿房价的 FFNN 示例，属于回归问题：
项目 GitHub 地址