内容简介：

目录
一、多层感知机
二、卷积神经网络
三、循环神经网络
总结

一、多层感知机
手工提取特征（用人的知识进行） -->  神经网络来提取特征。
神经网络（可能更懂机器学习）来提取 可能对后面的线性或softmax回归可能会更好一些。
用神经网络的好处在于 不用费心思去想 提取的数据特征是否会被模型喜欢，
但是计算量和数量都比手工提取的数量级要大很多。
可以使用不同神经网络的架构来更有效的提取特征。

多层感知机
卷积神经网络（CNN）
循环神经网络（RNN）
Transformers【最近兴起的】 

线性方法到多层感知机
稠密层（全连接层或线性层）有可学习...

查看原文

? 机器学习--多层感知机、卷积神经网络、循环神经网络