1.1.1 什么是神经网络

1.1.1 什么是神经网络

• 人工神经网络技术的出现，才让机器出现了“真智能”
• 人工神经网络内部的分析过程不可见
• 人工神经网络受人类大脑结构启发创造而来，由神经元和神经突触的复杂结构构成
• 人工神经网络结构越复杂，便越强大
• 训练深度神经网络的过程叫做深度学习
• 人工神经网络，在神经元接收突触信号前，经过权重数处理

1.1.2 如何将数据输入神经网络

• 一张图片信息，由三张分别表示RGB的矩阵组成
• 在人工神经网络中，每一个输入到神经网络的数据都被叫做一个特征。
• 通常输入到神经网络中的特征，要装换成特征向量输入。

1.1.3 神经网络是如何进行预测的

• 预测模型（逻辑回归）：z = dot ( w, x ) + b
• w ------ 权重
• x -------- 特征
• dot( ) ------- 向量乘法
• b ------ 阈值
  -z --------- 预测结果
  等同于：z = ( w1 * x1 + w2 * x2 + … + wn * xn ) + b
  在人工神经网络中，我们不能直接使用预测模型，需要在外面套上一个激活函数
  激活函数有很多种类，他的作用是将预测的结果映射到0~1的区间，用于我们解读预测的概率到底是多少