目录
MLP是“多层感知器”
（Multilayer Perceptron）的缩写，它是一种基础且重要的人工神经网络模型（ANN，Artificial Neural Network）。MLP由多个神经元层组成，包括输入层、一个或多个隐藏层以及输出层。每一层的神经元都与下一层的所有神经元全连接，通过权重和偏差进行信息传递。
MLP的基本结构
- 输入层：接收原始数据或特征，并将其传递到下一层。每个输入节点代表一个特征，输入层的节点数由特征的维度决定。
- 隐藏层：连接输入层和输出层的中间层。每个隐藏层包含多个神经元（节点），每个神经元都与上一层的所有节点连接，并输出一个加权和经过激活函数处理的值。隐藏层的层数和每层的神经元数目可以根据需要进行调整，这是深度学习模型中的一项重要超参数。
- 输出层：接收来自最后一个隐藏层的信号，并输出模型的预测结果。输出层的节点数通常由任务的性质决定，比如二分类问题通常只有一个节点，
