Deep Learning(深度学习)神经网络为啥可以识别呢？

今天看到一些感兴趣的东西，现在总结了给大家分享一下，如果有错，希望大家指正批评，谢谢！那就开始进入正题。
先从简单的说起来吧！

一、基本变换：层
一般的神经网络是由一层一层堆叠而成的，但是每层究竟在做啥呢？
我从三个方面述说一下：

• 数学公式

 Y=a*(W*X+b)

其中Y是输出量，X是输入量，a（）是一个激活函数，W是权重矩阵，b是偏置向量。每一层都是通过该公式简单的得到输出Y。

• 数学理解
  通过如下5种对输入空间（输入向量的集合）的操作，完成输入空间—>输出空间的变换(矩阵的行空间到列空间)。
  注：用“空间”二字是指被分类的并不是单个事物，而是一类事物。空间是指这类事物所有个体的集合。
  
  1. 升维/降维
  2. 放大/缩小
  3. 旋转
  4. 平移
  5. “弯曲”