机器学习笔记之人工神经网络(ANN)

     人工神经网络（ANN）提供了一种普遍而且实际的方法从样例中学习值为实数、离散值或向量函数。人工神经网络由一系列简单的单元相互连接构成，其中每个单元有一定数量的实值输入，并产生单一的实值输出。

       上面是一个汽车自动驾驶神经网络学习的例子：下方的图像是网络的输入，通过4个隐藏单元运算，得到30个输出（图的上方）决定汽车的行驶方向。

      本文主要介绍两种基本单元：感知器和线性单元的权值学习。

感知器

（1）感知器原理

       感知器是神经网络的一种基础单元。感知器以一个实数值作为输入，计算这些值得线性组合，如果大于某个阈值就输出1，否则输出-1。（其实就是一个符号函数）