Réseaux De Neurones À Propagation Directe

Réseau neuronal à propagation avantIl s’agit d’un réseau neuronal artificiel relativement simple dont les paramètres internes se propagent de manière unidirectionnelle de la couche d’entrée à la couche de sortie. Contrairement aux réseaux neuronaux récursifs, il ne forme pas de boucle dirigée en interne.

Le feedforward est également appelé forward. Du point de vue du flux de signal, une fois que le signal d'entrée entre dans le réseau, le flux de signal est unidirectionnel, c'est-à-dire que le signal circule de la couche précédente à la couche suivante jusqu'à la couche de sortie, et il n'y a pas de rétroaction dans la connexion entre deux couches, c'est-à-dire que le signal ne revient pas de la couche suivante à la couche précédente ; si l'on considère la relation entre l'entrée et la sortie, lorsque le signal d'entrée entre, la couche suivante utilisera la sortie de la couche précédente comme entrée.

Dans un réseau neuronal à propagation directe, lorsqu'il y a un flux inverse ou une auto-entrée de signaux entre les couches, le réseau est appelé réseau neuronal récurrent. Dans un réseau feedforward profond, la structure de la chaîne est la connexion entre les couches, où le nombre de couches représente la profondeur du réseau.

Références

【1】Réseaux de neurones et apprentissage profond - Réseaux de neurones à rétroaction (blog personnel)