深度学习系列——关于神经网络理解的总结

　　因为课题的需要，最近在学习深度学习方面的知识，因为是初学，博文中可能会有错误和不严谨的地方，欢迎大家批评指正、互相交流，好了言归正传。
　　目前在人工智能和大数据方向炒的最火的就是深度学习，深度学习是神经网络的一个大的分支，深度学习的基本结构是深度神经网络，它是一种人工神经网络，人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。
　　人脑大约由100亿个神经元组成，而其中的每个神经元又与约100～10000个其他神经元相连接，如此构成一个庞大而复杂的神经元网络。
　　我们在学习、思考和识别事物时，简单来说就是一个线路连接问题。我们能做的每一件事、能记住的事、都是很多神经细胞连接起来以后产生的结果，我们刚出生的时候，这种连接很少，其中很多都是本能，接下来我们会经历人生的很多第一次，有的行为会不断的重复，在这期间，我们的大脑会不断的工作，神经元形成无数条链接。
　　这些链接是怎样形成的呢？是在不断与外界信息交互的作用过程中，在大脑的内部形成的，大脑的学习过程包括信息输入、模式加工和动作输出。
　　信息输入是指外界环境中的刺激作用于人的感觉器官之后，感受器将外部刺激转化为神经冲动传向大脑，并给大脑带来信息，供大脑进行加工。这里可以类比开始我们需要送给深度神经网络的数据，比如图像信息，有可能还需要做一定的处理，resize 、去均值、归一化、PCA等。只不过我们的大脑能够自动处理这些输入的信息。
　　模式加工是在信息输入的基础上，我们的感觉进入