Global web icon
zhihu.com
https://www.zhihu.com/question/647129984
CNN，Transformer，MLP 三大架构的特点是什么？ - 知乎
CNN擅长处理图像数据，具有强大的特征提取能力；Transformer通过自注意力机制实现了高效的并行计算，适用于处理序列数据；而MLP则以其强大的表达能力和泛化能力，在多种类型的机器学习任务中都有应用。 1. CNN，Transformer，MLP 三大架构的特点是什么？ 2.
Global web icon
zhihu.com
https://www.zhihu.com/question/349854200
多层感知器MLP，全连接网络，DNN三者的关系？三者是不是同一个概念？ - 知乎
全连接（前馈）网络：是指每一层之间没有连接，只是前一层和后一层连接的网络都属于全连接 前馈神经网络。 多层感知器 MLP：是相对于最简单的单个感知器而言，多个感知器串联构成了MLP（Multilayer Perceptron）。 单个感知机：
Global web icon
zhihu.com
https://www.zhihu.com/question/403905831
MLP和BP的区别是什么？ - 知乎
MLP是 多层感知机，是多层的全连接的前馈网络，是而且仅仅是算法结构。输入样本后，样本在MLP在网络中逐层前馈（从输入层到隐藏层到输出层，逐层计算结果，即所谓前馈），得到最终输出值。 但，MLP的各层各神经元的连接系数和偏移量，并非MLP与生俱来的，需要训练和优化才能得到，BP派上 ...
Global web icon
zhihu.com
https://www.zhihu.com/question/607822173
神经网络Linear、FC、FFN、MLP、Dense Layer等区别是什么？
3.FFN（前馈神经网络）和 MLP（多层感知机）： "FFN" 和 "MLP" 表示前馈神经网络和多层感知机，它们在概念上是相同的。 前馈神经网络是一种最常见的神经网络结构，由多个全连接层组成，层与层之间是前向传播的。
Global web icon
zhihu.com
https://www.zhihu.com/question/530310807
transformer 与 MLP 的区别是什么 - 知乎
transformer（这里指self-attention） 和 MLP 都是全局感知的方法，那么他们之间的差异在哪里呢？
Global web icon
zhihu.com
https://www.zhihu.com/question/529316703
为什么还要继续使用mlp？ - 知乎
都说1x1卷积能够替代fc层，更省参数，且效果差不多。那为什么现在还要使用mlp而不是堆叠1x1卷积层呢？
Global web icon
zhihu.com
https://www.zhihu.com/question/1925527001?write
如何看待KAN论文被NeurIPS 2024拒稿？ - 知乎
KAN号称会取代传统MLP，只要理解了MLP，再看明白KAN和MLP的区别，就能拿理解KAN。 怎么理解MLP呢？ MLP就是Mulit-Layer Perceptron，就是这么一个多层的神经元网络，其中每一个圆圈代表一个神经元，本质上MLP就是一个函数，根据输入产生输出。
Global web icon
zhihu.com
https://www.zhihu.com/question/654782350
如何评价神经网络架构KAN，是否有潜力取代MLP？ - 知乎
mlp之所以经久不衰，就是因为他简单，快速，能scale-up。 KAN让人想起来之前的Neural ODE，催生出来比如LTC（liquid time constant）网络这种宣称19个神经元做自动驾驶。
Global web icon
zhihu.com
https://www.zhihu.com/question/457926000
如何评价Google提出的MLP-Mixer：只需要MLP就可以在ImageNet上达到SOTA？ - 知乎
MLP-Mixer 而MLP-Mixer这篇文章面对MLP计算量太大，参数量太大两大问题，换了一个解决思路。 这个解决思路跟depthwise separable conv是一致的，depthwise separable conv把经典的conv分解为两步，depthwise conv和pointwise conv，这样就降低了经典conv的计算量和参数量。
Global web icon
zhihu.com
https://www.zhihu.com/tardis/zm/art/600773858
一文了解Transformer全貌（图解Transformer）
Transformer整体结构（输入两个单词的例子） 为了能够对Transformer的流程有个大致的了解，我们举一个简单的例子，还是以之前的为例，将法语"Je suis etudiant"翻译成英文。 第一步：获取输入句子的每一个单词的表示向量 ， 由单词的Embedding和单词位置的Embedding 相加得到。