前馈神经网络、BP神经网络、卷积神经网络的区别与联系

姓名：栗琳轲   学号：22011210584    学院：通信工程学院

转载自：https://blog.csdn.net/aifamao6/article/details/126264096

【嵌牛导读】本文主要介绍前馈神经网络、BP神经网络、卷积神经网络的区别与联系

【嵌牛鼻子】前馈神经网络；BP神经网络；卷积神经网络

【嵌牛正文】

一、前馈神经网络、BP神经网络、卷积神经网络的区别：

（一）计算方法不同

1、前馈神经网络：一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连，接收前一层的输出，并输出给下一层，各层间没有反馈。

2、BP神经网络：是一种按照误差逆向传播算法训练的多层前馈神经网络。

3、卷积神经网络：包含卷积计算且具有深度结构的前馈神经网络。

（二）用途不同

1、前馈神经网络：主要应用包括感知器网络、BP网络和RBF网络。

2、BP神经网络：

（1）函数逼近：用输入向量和相应的输出向量训练一个网络逼近一个函数；

（2）模式识别：用一个待定的输出向量将它与输入向量联系起来；

（3）分类：把输入向量所定义的合适方式进行分类；

（4）数据压缩：减少输出向量维数以便于传输或存储。

3、卷积神经网络：可应用于图像识别、物体识别等计算机视觉、自然语言处理、物理学和遥感科学等领域。

（三）作用不同

1、前馈神经网络：结构简单，应用广泛，能够以任意精度逼近任意连续函数及平方可积函数，而且可以精确实现任意有限训练样本集。

2、BP神经网络：具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。

3、卷积神经网络：具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。

二、前馈神经网络、BP神经网络、卷积神经网络的联系：

BP神经网络和卷积神经网络都属于前馈神经网络，三者都属于人工神经网络。因此，前馈神经网络、BP神经网络、卷积神经网络三者原理和结构相同。

扩展：BP神经网络无论在网络理论还是在性能方面已比较成熟，其突出优点就是具有很强的非线性映射能力和柔性的网络结构，网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。但是，BP神经网络也存在以下的一些主要缺陷：

（1）学习速度慢，即使是一个简单的问题，一般也需要几百次甚至上千次的学习才能收敛。

（2）容易陷入局部极小值。

（3）网络层数、神经元个数的选择没有相应的理论指导。

（4）网络推广能力有限。