MLP的最經(jīng)典例子就是數(shù)字識(shí)別，即我們隨便給出一張上面寫(xiě)有數(shù)字的圖片并作為輸入，由它最終給出圖片上的數(shù)字到底是幾。

對(duì)于一張寫(xiě)有數(shù)字的圖片，我們可將其分解為由28＊28＝784個(gè)像素點(diǎn)構(gòu)成，每個(gè)像素點(diǎn)的值在（0～1）之間，其表示灰度值，值越大該像素點(diǎn)則越亮，越低則越暗，以此表達(dá)圖片上的數(shù)字并將這786個(gè)像素點(diǎn)作為神經(jīng)網(wǎng)絡(luò)的輸入。

而輸出則由十個(gè)神經(jīng)元構(gòu)成，分別表示（0～9）這十個(gè)數(shù)字，這十個(gè)神經(jīng)元的值也是在（0～1）之間，也表示灰度值，但神經(jīng)元值越大表示從輸入經(jīng)判斷后是該數(shù)字的可能性越大。

隱層的層數(shù)和神經(jīng)元的選擇需根據(jù)具體情況選擇，此例選擇兩層隱層，每層16個(gè)神經(jīng)元。那么根據(jù)上面的敘述，根據(jù)權(quán)重、偏置的個(gè)數(shù)此神經(jīng)網(wǎng)絡(luò)將會(huì)有13002個(gè)參數(shù)需要去調(diào)節(jié)，而如何調(diào)整這些參數(shù)，從而使神經(jīng)網(wǎng)絡(luò)有較好的學(xué)習(xí)效果則正是下篇更新的神經(jīng)網(wǎng)絡(luò)訓(xùn)練和學(xué)習(xí)的內(nèi)容。

通過(guò)樓主上面的敘述，該圖像識(shí)別問(wèn)題最終可通過(guò)線性方程的方式表示出來(lái)，從而來(lái)描述本篇通過(guò)MLP神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字識(shí)別的案例，并通過(guò)建立的問(wèn)題描述模型來(lái)編程實(shí)現(xiàn)。

總結(jié)

MLP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)還是挺簡(jiǎn)單的，基本的結(jié)構(gòu)和原理是入門(mén)學(xué)習(xí)所必須了解的。神經(jīng)網(wǎng)絡(luò)訓(xùn)練和學(xué)習(xí)這塊等樓主有機(jī)會(huì)再更新，發(fā)現(xiàn)前期給自己挖太多坑都還沒(méi)填，主要在于樓主忙于工作，最近正好是2019上海車展，樓主也去轉(zhuǎn)了一波，基本都待在二層的零部件供應(yīng)商那里，了解下各大供應(yīng)商在智能出行、電驅(qū)、智能網(wǎng)聯(lián)等方面的系統(tǒng)集成和解決方案，收獲還是很多的，也希望能在下篇跟大家做個(gè)分享。