Machine learning 单层网络在技术上是ANN吗？（例如，输入层直接输出，没有隐藏层？）
我正在制作一些内容来教小学的孩子们安的。我读过几篇好文章，其中大部分都是用三层（输入层、1隐藏层和输出层）来模拟一个简单的XOR问题 然而，这篇文章有点不同，它只是直接从输入到输出，中间并没有隐藏层。大多数其他文章似乎遵循hello world ANN模型的三层方法 从技术上讲，这是否符合教学目的的ANN，或者我们必须至少有三层才能成为ANN？（输入，1隐藏，输出）。我想用这个简单的模型作为我制作的内容中的第一个人工神经网络，但是……但前提是它在技术上符合神经网络的条件Machine learning 单层网络在技术上是ANN吗？（例如，输入层直接输出，没有隐藏层？）,machine-learning,neural-network,deep-learning,data-science,Machine Learning,Neural Network,Deep Learning,Data Science,我正在制作一些内容来教小学的孩子们安的。我读过几篇好文章，其中大部分都是用三层（输入层、1隐藏层和输出层）来模拟一个简单的XOR问题 然而，这篇文章有点不同，它只是直接从输入到输出，中间并没有隐藏层。大多数其他文章似乎遵循hello world ANN模型的三层方法 从技术上讲，这是否符合教学目的的ANN，或者我们必须至少有三层才能成为ANN？（输入，1隐藏，输出）。我想用这个简单的模型作为我制作的内容中的第一个人工神经网络，但是……但前提是它在技术上符合神经网络的条件 谢谢 更适合交叉验证：@
谢谢 更适合交叉验证：@desertnaut谢谢，我会在那里发布。我认为，由于ml/nl/dl标记的可用性，因此支持这些类型的问题。简短回答：是的，它是一个完全有效的ANN，不必是深度的，没有隐藏层，但无法解决xor问题。只有像AND和OR这样的线性可比喻任务。最简单的神经网络应该是感知器：更适合交叉验证：@desertnaut谢谢，我将在那里发布。我认为，由于ml/nl/dl标记的可用性，因此支持这些类型的问题。简短回答：是的，它是一个完全有效的ANN，不必是深度的，没有隐藏层，但无法解决xor问题。只有像AND和OR这样的线性可比喻任务。最简单的神经网络是感知器：