深度学习之路（4）神经网络的一般性-为什么神经网络能计算各种问题

书籍参考

参考英文在线书籍 Neural Networks and Deep Learning 第四章。

介绍

前面第一章说过，神经网络可以用于各种简单或复杂的问题，就是说它具有一般性/普遍性（Universality）。本章我们就来探讨一下它为什么具有一般性。
鉴于原文提供了大量的交互性的神经网络图和输出曲线图，读者可以用鼠标调节图中神经元的参数/曲线形状，直观看到对应的曲线形状/神经元参数的变化，我就只用静态截图总结下他的思路。本章很轻松，因为通用性的证明很直观，你应该也很熟悉，结合原文的交互式图，拖动几下鼠标就能明白了。

一、一般性（Universality）

神经网络的一般性，是指神经网络可以计算任何函数。用下面曲线对应的函数f(x)举例（先不管函数具体是啥）。可以这么说：

一定会存在一个神经网络，对于任意可能的输入x，都有输出f(x)。比如这个神经网络是输入、输出层都是1个神经元的简单网络：

且当输入、输出