前馈神经网络：最朴素的网络结构

前馈神经网络是最经典的网络结构：数据从输入层单向流经若干隐藏层，最终到达输出层，没有回路。它是理解所有更复杂网络架构的基础课。

前馈网络像一条流水线：原料进来，一道道工序加工，成品出去。虽然结构简单，但只要流水线设计合理，能造出极其复杂的产品。大道至简，很多深度学习的奇迹，底层都是这样朴素的结构。

## 核心要点

图片来源：Openverse / Beta Soluciones Empresariales（https://www.flickr.com/photos/99752729@N06/9420996023）

1. “前馈”指信号只往前传，不回流，结构简单清晰。

2. 隐藏层的存在让网络能学习非线性表示，是深度的价值所在。

3. 万能近似定理保证足够宽的前馈网络能逼近任意函数。

4. 多数现代架构都是在前馈基础上加各种巧思。

图片来源：Openverse / Twechie（https://www.flickr.com/photos/46385325@N06/5233562056）

## 写在最后

以上是关于「前馈神经网络」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。