神经网络架构

神经网络架构是深度学习模型的结构设计，包括层数、每层神经元数量、连接方式（全连接、卷积、循环、注意力等）以及激活函数与归一化等组件。20世纪80年代的反向传播推动了多层感知机，2012年AlexNet引爆卷积网络，2017年Transformer以自注意力取代循环结构，成为大模型基础。架构选择直接影响模型的表达能力、训练效率与泛化性能，是AI研究的核心议题之一。