（3）深度学习基础（深度学习500问）

（1）包含输入层，隐藏层，输出层

         神经网络模型特点：同一层之间的神经元不连接，两个相邻层完全连接(每一层的每一个神经元到另一层的每个神经元)

（2）感知机

（输入x1，x2.......xn，偏移量b，权重Wn，组合函数c=xn*wn+b，激活函数用于计算输出前把值变为所需要的值，输出y）

（3）常用神经网络构架：https://blog.csdn.net/nicholas_liu2017/article/details/73694666

（4）深层次深度学习的难点：梯度消失、梯度爆炸、权重矩阵的退化

         https://blog.csdn.net/BinChasing/article/details/50300069

         http://mini.eastday.com/mobile/180116023302833.html

（5）一般神经网络计算：

           利用前向传播（FP）在激活函数的辅助下计算出一个大概值，然后采用梯度下降法降低结果误差，反复进行前向传播和反向传播（BP）：

         https://blog.csdn.net/lhanchao/article/details/51419150

（6）卷积神经网络：https://www.zybuluo.com/hanbingtao/note/485480