Framåtriktat nätverk

term_id: feed_forward_network

Category: basic_concepts

Definition

Framåtriktade nätverk (FFN), även kända som flernivåspereceptroner (MLP), bearbetar data sekventiellt genom lager av neuroner från indata till utdata utan feedback-loopar. Varje neuron tar emot indata, väger dem, adderar en bias och tillämpar en aktiveringsfunktion för att producera ett utdatavärde, vilket gör dem lämpliga för att approximera komplexa icke-linjära funktioner.

Summary

En klass av artificiella neuronnät där anslutningarna mellan noder inte bildar cykler, utan sprider information i en riktning.

Key Concepts

  • Inga cykler
  • Lager (Indata, Dolda, Utdata)
  • Aktiveringsfunktioner
  • Vägda summor

Use Cases

  • Enkla regressionsuppgifter
  • Klassificeringsproblem med tabulär data
  • Byggstenar för djupare arkitekturer

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