多层感知器和多层神经网络有什么区别？

我们什么时候说人工神经网络是多层感知器？

何时说人工神经网络是多层的？

感知器一词是否与学习规则相关以更新权重？

或与神经元单位有关？

感知器总是前馈，也就是说，所有箭头都朝输出方向移动。通常，神经网络可能具有回路，如果这样，通常被称为循环网络。循环网络比前馈网络难于训练。

另外，假定在感知器中，所有箭头都从第层到第层，并且（从开始时开始）也存在从第层到所有弧。$i$$i+1$$i$$i+1$

最后，拥有多层意味着不止两层，即您拥有 隐藏层。感知器是具有两层，一个输入和一个输出的网络。多层网络意味着您至少具有一个隐藏层（我们将输入和输出层之间的所有层都称为隐藏层）。

我们什么时候说人工神经网络是多层感知器？

具有输入层，输出层以及两个或多个可训练的权重层（由感知器组成）的人工神经网络称为多层感知器或MLP。

何时说人工神经网络是多层的？

如果它具有两个或多个可训练的层，则可以说它是一个多层网络。

感知器一词是否与学习规则相关以更新权重？

不可以。有许多不同的学习规则，可用于改变权重以教授感知器。术语感知器本身并不需要任何特定的学习规则。

或与神经元单位有关？

不知道这是什么意思。

您可以在这本免费书中阅读更多内容http://www.dkriesel.com/_media/science/neuronalenetze-en-zeta2-2col-dkrieselcom.pdf

从维基百科：

在神经网络中，感知器是使用Heaviside阶跃函数作为激活函数的人工神经元。

因此，感知器是单元或神经元的一种特殊类型。因此，多层感知器是多层神经网络的子集。