不需要训练的神经网络

1）网络本身，神网本质上是一组矩阵，矩阵在单片机中的表现可以通过数组来实现。 2）输入输出，神网的应用就是把输入阵列与网络本身的矩阵点乘叉乘后算术求和，产生输出矩阵，把输入输出的算法做到单片机里也不是难事。

1、连接方式不同：前馈型神经网络中，神经元之间只存在向前的连接，即输入层的神经元只与隐藏层的神经元相连，隐藏层的神经元也只与输出层的神经元相连。

所谓规范化,是希望转换后的数值满足一定的特性,至于对数值具体如何变换,跟规范化目标有关,不同的规范化目标导致具体方法中函数所采用的形式不同。 通过自适应的重新参数化的方法,克服神经网络层数加深导致模型难以训练的问题。