AI 入行那些事儿（6）深度学习之神经网络

2021 开年巨献 —— 系列文章《AI 入行那些事儿》，为您讲述：

• 人工智能的基础原理、发展历程、当前应用

• 成为 AI 技术人员所需的入门技能和学习途径

• 以及求职、面试的全过程

神经网络的起源

现在的深度学习就是利用深度神经网络来进行模型训练。深度神经网络是神经网络的延续，而神经网络在几十年前则是一种机器学习模型。

后来神经网络独立出来发展成深度神经网络，发挥了很大作用，并因此逐渐成为深度学习的独立分支。

神经网络模型和其它模型不太一样，大多数其它模型都源于数学。比如：线性回归模型，最早由高斯发现并提出，并用来进行人口统计。马尔萨斯在《人口论》里就曾经引用过这种模型，后来又对其进行了一些修正，逐步形成了现在的逻辑回归模型。

神经网络模型首先是由生物学界提出的，它的研究和发展也是以对生物神经网络的模仿为基础的。

神经网络的要素

 

神经网络由很多神经元组成，这些神经元互相连接，形成一个网络。下图就是一个神经网络的典型结构，也是一种很传统的结构。

神经网络的输入层一般不计入总层数，所以神经网络只有两层。在这两层中有六个神经元，中间的隐藏层里有四个，最后的输出层有两个，神经元之间有方