神经网络的理解

个人对神经网络的一些浅显理解

本文参考博客
神经网络是深度学习的基础，学习和理解神经网络不仅可以使我们掌握一门强大的机器学习基础，同时也可以更好的理解深度学习。

1. 单层神经网络（感知机）

1958年，计算机科学家Rosenblatt提出由两层神经元组成的网络。给它起了个名字叫“感知机”。感知机是当时首个可以学习的人工神经网络。
感知机的结构：

就像上述所说，感知机具有两层神经网络。第一层，称之为输入层。第二层，称之为输出层。输出层对输入层的输入进行一系列的计算得到输出。
假如，我们预测的不再是一个值，而是一个向量（多维）。则，我们可以增加输出层的神经元个数。

当然，第二个神经元与输入层之间的权重不同于第一个神经元与输入层之间的权重。
其中，g是非线性映射函数。
对于权重w，我们可以用以下方法来表示：