神经元基础概念

一个标量表示某个属性值，一般是float型，它经过系数“扭曲”之后，可能还会加上“偏置”参数，就是一个神经元的输入。

其中a1和b0都是可训练的，就是根据输出y1与标注数据的差值调整系数，进而使得系统输出与样本数据相似。这个调整方法叫“梯度下降”。

 如果对y1的输出再加上非线性函数，那么整个神经网络表现出了非线性。

z1就是y1的非线性结果，这个非线性的函数有多种，包括sigmoid、ReLU等等。

而如果输入不单单包括x1，还有x2、x3……，那么就有多个神经元与之对应。

 

 这个时候，某个输入，得出 这是最基本的神经网络。