1. 多层感知机（MLP）

核心特征：

• 结构：MLP 是一种基本的前馈神经网络，包含一个输入层、一个或多个隐藏层以及一个输出层。每层由全连接的神经元组成。
• 用途：适用于简单的分类和回归任务。
• 限制：不适用于处理序列数据或图像数据，因为它不具备处理输入之间时间或空间关系的能力。

数学表达：

2. 卷积神经网络（CNN）

核心特征：

• 结构：由卷积层、池化层（下采样）和全连接层组成。
• 用途：特别适合于图像处理，用于图像分类、对象检测等。
• 优点：通过局部连接和权重共享，有效降低了模型参数的数量，能够很好地捕捉图像中的空间层级结构。

工作原理：

• 卷积层：通过滤波器（kernel）提取输入图像的特征。
• 池化层：降低特征维度，增强模型的泛化能力。
</