Réseau à propagation avant

term_id: feed_forward_network

Category: basic_concepts

Definition

Les réseaux à propagation avant (FFN), également connus sous le nom de perceptrons multicouches (MLP), traitent les données séquentiellement à travers des couches de neurones, de l’entrée vers la sortie, sans boucles de rétroaction. Chaque neurone reçoit des entrées pondérées, applique une fonction d’activation et transmet le résultat à la couche suivante.

Summary

Une classe de réseau de neurones artificiels où les connexions entre les nœuds ne forment pas de cycles, propageant l’information dans une seule direction.

Key Concepts

  • Absence de cycles
  • Couches (Entrée, Cachée, Sortie)
  • Fonctions d’activation
  • Sommes pondérées

Use Cases

  • Tâches de régression simples
  • Problèmes de classification avec des données tabulaires
  • Blocs de construction pour des architectures plus profondes

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