最終還是沒有憋住，寫下了這篇博文，最近真的是感慨很多啊，真的很想找個人說說。還有那麼多的東西要看要學。
　　最近一直在搞神經網路方面的東西，看了MLP的講解，但都是講解結構，我就是想知道MLP到底是幹啥的，有什麼用，一直沒找到，碰巧在一篇部落格中看到便在此記錄一下自己的理解。這裡不講解它的結構和歷史，想了解的可以看這裡和這裡，本篇只是為了從高維的角度給出一個整體的認識。
　　
　　作用：它就是一個傳統的神經網路，就是為了解決單層感知機無法解決的非線性問題（單層感知機只能對線性資料進行分類）。做圖片處理的大都是用caffe，它就相當於caffe裡面的p2p層。
　　多層感知機最初是為了做分類的，但是它也可以處理迴歸問題，只要在最後將softmax等分類器改成sigmoid迴歸就行。它的訓練方式

　　
　　但是它的隱藏層之間的連線方式是“全連線”的，所以造成（1）訓練的引數過多（2）由於（1）造成它的層數不可能過多，限制了它的能力也有限，不能解決比較複雜的問題。於是，區域性連線的卷積神經網路便出來了，很好的解決了這些問題。