D03从感知机到神经网络

（这是对《深度学习入门：基于Python的理论与实现》的定期学习总结文章，目前读完第二第三章正在读第四章）

第二章的内容是感知机，第三章的内容是神经网络。总结来说神经网络就是感知机的庞大集合，就如同人体的神经系统主要由上亿个神经元构成。

将感知机类比为神经元也是十分恰当的——输入，计算（反应），输出。一个感知机由一个输入层，一个输出层及中间多个隐藏层构成，各层间的计算涉及至关重要的参数，隐藏层内有激活函数，决定各层的输出。隐藏层的计算最后传输到输出层显示，突然明白隐藏层为啥叫“隐藏”了，简直就是黑匣子。

感知机构成神经网络的实现，离不开矩阵。因为各层可能会含有成百上千个神经元，其中的计算通过矩阵可以很简单地被表示，且清晰明确。从“手写数字识别”应用来看神经网络的实操。先将图片转换为一维数组，然后输入进神经网络，里面的参数已经设置好了，输出的是各个数字的概率，最后输出概率最大的数字。

现在在看第四章神经网络的学习，目前的认识就是通过学习自行确定其中的参数。书中略过了对“特征量”方法的介绍，这是一种先人为提取出数据的特征量，然后让机器学习特征量的方法。直接介绍完全由算法自主，输入仅为原始数据的方法。