多层感知机（MLP）
多层感知机（Multilayer Perceptron，MLP）是最基础、最经典的前馈人工神经网络，也叫深度前馈网络，是深度学习的“入门骨架”。
一、MLP 是什么
- 属于前馈神经网络（信号只从输入→输出单向走，无回头/循环）
- 是全连接神经网络（FCN） 的典型代表
- 是深度学习最简单的形式（至少 1 层隐藏层就叫“深度”）
- 可以看作逻辑回归的堆叠升级版
二、MLP 的核心结构
标准 MLP 由三层结构组成：
- 输入层（Input Layer）
- 隐藏层（Hidden Layer）
- 输出层（Output Layer）
1. 输入层
作用：接收原始数据
单元数 = 数据特征维度
例：输入一张 28×28 展平的手写数字图 → 784 个输入神经元
2. 隐藏层
- 作用：提取特征、学习非线性关系
- 可以有 1 层或多层（层数越多，模型越强也越难训练）
- 层内每个神经元与上一层所有神经元全连接
- 每一层都要加激活函数（否则多层等价于单层）
3. 输出层
- 作用：输出最终预测结果
- 神经元数量由任务决定：
- 二分类：1 个神经元
- 10 分类：10 个神经元
- 回归任务：1 个神经元
