先了解下何为人工神经网络

最近霸都天气都比较冷，早上起来不想起床，起床之后，拿起牙刷迷迷糊糊的开始刷牙，当拿起水杯漱口的时候，哎呀，我的马来，这水真凉，你是如何感觉到这个水凉的？那是因为有东西在帮你把凉的信号传给你的大脑。就是我们大脑里的神经元和突触，正是它们实现了信息的传递。

神经元就是神经细胞，它就像一个搬运工，将人类的五种感官搜集到的所有外界信息传递到你的大脑。视觉，感觉，听觉，味觉，触觉分别从眼耳口鼻手这些器官接收到的信息（输入层），这个传递过程就像在长城烽火台一样狼烟传递敌军情报一样，一个接着一个，最后传到你的脑中（银行从）。然后我们就知道了，原来是我中午吃的菜很咸，现在正在一间温度不是太高的小会议室，看着幻灯片，听一个哥们在给我做一场关于深度学习的分析报告。

树突、轴突、细胞体共同构成了神经元这个基本单位。在从外界到大脑的这一条长长的信息高速公路上，神经元是一个个独立的个体，就像古代官道上的驿站一般，是什么实现了它们之间的沟通连接呢？这就要说到第二个基本单元了——突触。

“突触”就是轴突和树突接触的地方。它很像我们熟悉的关节。肘关节连接着大臂和小臂，膝关节连接着大腿和小腿，而突触就连接着一个神经元和另一个神经元。突触有两个重要组成部分。一部分是传出信息的轴突末端，我们叫它突触前；另一部分是接收信息的树突或者胞体本身，我们叫它突触后。突触前和突触后共同组成突触，它就是神经元间信息传递的桥梁。

 

在这个模型中，神经元接受到来自n个其他神经元传递过来的输入信号，在这些输入信号通过带权重的连接进行传递，神经元接受到的总输入值将与神经元的阈值进行比较，然后通过“激活函数”处理以产生神经元的输出。

买房的决策过程：

1. 钞票足够多的情况要买房：环境，位置，学区，配套，户型

W是权重，b是阈值   

比如买房：环境好不好，位置好不好，配套好不好，户型好不好，有没有学区。

 

 

A房:环境好+8，位置一般-5，配套还可以+5，户型一般5，是学区+10。

Output：8*1-8*1+5*1+5*1+10*1-9=11  买

B房，环境一般+5，位置还可以+5，配套优秀+10，户型很好+8，不是学区-10

 

Output： 5+5+10+8-10-9=9  买

 

我到底该买哪一套？

S型曲线帮你决策：买第一套！！！

 

以上说的就是一个神经元，下图就是一个神经网络，包含输入层input，隐含层hidden，输出成output，每个神经元是一个决策单元，整个神经网络是一个复杂的决策网络。它要做的事，就是通过隐藏层，把输入层处理成我们想要的输出层。我们要做就是给神经网络里面的各个神经元配置合适的重矢量和阀值，这个过程就叫神经网络的“训练”。

 

 

神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值，并将输入值传递给下一层，输入层神经元节点会将输入属性值直接传递给下一层（隐层或输出层）。在多层神经网络中，上层节点的输出和下层节点的输入之间具有一个函数关系，这个函数称为激活函数（又称激励函数）。

激活函数的作用：不使用激活函数的话，神经网络的每层都只是做线性变换，多层输入叠加后也还是线性变换。因为线性模型的表达能力通常不够，所以这时候就体现了激活函数的作用了。

常用的激活函数主要有：sigmoid函数，tanh函数，ReLU函数等等。