多层感器有监督学习是不是可以理解为BP神经网络？

Question

如题所述

Answer 1

多层感知器不是一个具体的神经网络，它是一种神经网络模型的结构，bp神经网络的模型的确是多层感知器，不过bp神经网络是利用bp算法来优化网络的，可以理解为
bp神经网络 = 多层感知器 + bp算法

Answer 2

神经网络的学习主要是指使用学习算法来调整神经元间的连接权，使得网路输出更加符合实际。学习算法分为监督学习（Supervised Learning）与无监督学习（Unsupervised Learning）两类：
1、有监督学习算法将一组训练集（Training Set）送入网络，根据网络的实际输出与期望输出间的差别来调整连接权。有监督学习算法的主要步骤包括：
a) 从样本集合中取出一个样本（Ai，Bi）；
b) 计算网络的实际输出O；
c) 求D = Bi – O；
d) 根据D调整权矩阵W；
e) 对每个样本重复上述过程，直到对整个样本集来说，误差不超过规定范围。
BP算法就是一种出色的有监督学习算法。
2、无监督学习抽取样本集合中蕴含的统计特性，并以神经元之间的连接权的形式存于网络中。Hebb学习率是一种典型的无监督学习算法。本回答被网友采纳