前馈神经网络，也被称为全连接神经网络，是一种最简单的神经网络类型。在这种网络中，神经元分层排列，每个神经元只与前一层的神经元相连，接收前一层的输出，并将信号输出给下一层。各层间没有反馈，整个网络中无反馈，信号从输入层向输出层单向传播。

前馈神经网络

在前馈神经网络中，各神经元分别属于不同的层。

第0层称为输入层，最后一层称为输出层，其他中间层称为隐藏层。每个神经元都可以看作是一个基础神经元（Elementary Neuron），拥有类似的输入和输出。其中，x被称作输入， \theta被称作权重。与固定输入 x_0=1 搭配的权重 \theta_0 被称作偏置项（Bias Term），作用是根据其为正或负，相应地增加或降低激活函数的网络输入。

在训练过程中，前馈神经网络通过反向传播算法来更新权重和偏置项，使得网络的输出尽可能接近期望的输出。这个过程包括正向传播和反向传播两个阶段。在正向传播阶段，网络根据当前的权重和偏置项计算输出；在反向传播阶段，网络根据计算得到的误差来更新权重和偏置项。

什么是“神经网络结构”？

循环神经网络：具有记忆能力的深度学习模型