多层神经网络主要包括（基于Halcon的MLP（多层感知神经网络）分类器分类操作实例）
一 、介绍
人工神经网络（Artificial Neural Network ，ANN）简称神经网络（Neural Network ，NN）或类神经网络 ，是一种模仿生物神经网络的结构和功能的数学模型或计算模型 ，用于对函数进行估计或近似 。MLP神经网络是一种基于神经网络 、动态的分类器 。MLP分类器使用神经网络来推导能将类别区分开来的超平面 。使用超平面进行分割 ，如果只有两个类别 ，超平面会将各特征向量分为两类 。如果类别的数量不止两个 ，就应当选择与特征向量距离最大的那个超平面作为分类平面 。神经网络可能是单层的 ，也可能是多层的 。如果特征向量不是线性可分的 ，则可以使用更多层的神经网络 。
MLP神经网络主要由输入层 、隐藏层 、输出层构成 。当隐藏层只有一层时 ，该网络为两层神经网络 ，因为输入层未做任何变换 ，可以不看做单独一层 。实际中 ，网络输入层的每个神经元代表了一个特征 ，输入层个数代表了分类类别个数 ，而隐藏层层数以及隐藏层神经元由人工设定 。
多层神经网络的典型结构是一层输入单元层 、一层或多层隐藏节点层 、一层输出单元层 。理论上如果隐藏层的节点数足够多 ，那么只需要一层隐藏层就可以解决所有分类问题 。
在神经网络的每一个节点或者处理单元内 ，都有算子根据前一层的计算结果来计算特征向量的线性相关关系 。MLP分类器可以用于通用特征的分类 、图像分割 、OCR等 。
神经网络示意图
设计一个神经网络时 ，创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！