Eteenpäinsuuntautunut verkko

term_id: feed_forward_network

Category: basic_concepts

Definition

Eteenpäinsuuntautuneet verkot (FFN), tunnettuja myös nimellä monikerroksiset perceptronit (MLP), käsittelevät dataa peräkkäin neuronikerrosten läpi syötteestä lähtöön ilman takaisinkytkentäsilmukoita. Jokainen neuroni vastaanottaa syötteet

Summary

Teoreettinen neuroverkkoluokka, jossa solmujen väliset yhteydet eivät muodosta syklejä, vaan informaatio etenee yhdessä suunnassa.

Key Concepts

  • Ei syklejä
  • Kerrokset (syöte, piilotettu, lähtö)
  • Aktivointifunktiot
  • Painotetut summat

Use Cases

  • Yksinkertaiset regressiotehtävät
  • Luokittelutehtävät taulukkomaisella datalla
  • Rakennuspalikat syvemmille arkkitehtuureille

Code Example

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

import torch.nn as nn

class SimpleFFN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(SimpleFFN, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

Related