深度学习与大模型 习题及答案 第2章-习题答案.docx

一、问答题

简述多层感知机(MLP)在处理复杂数据时的优势,并解释其工作原理。

多层感知机的优势：

与线性模型和单层感知机相比，MLP的核心优势在于：

1）突破线性限制：通过引入隐藏层和非线性激活函数，MLP可以学习和表示数据中极其复杂的非线性关系与模式。这是它处理图像、语音等复杂数据的根本原因。

2）自动特征工程：其多层结构像一个特征加工流水线。底层网络学习基础特征（如图像中的边缘），高层网络将这些基础特征组合成更抽象的概念（如眼睛、鼻子）。这种分层特征学习能力减少了对人工设计特征的依赖。

3）强大的拟合能力：理论上，只要神经元足够多，一个隐藏层的MLP就能以任意精度逼近任何连续函数，