开课吧 深度学习与神经网络

 在现实世界中，许多问题可以归类为分类或识别或选择。例如，走，下一个棋子会掉在哪里。为了研究这类问题，学术界开发了一种叫做“神经网络”的学习策略。
这个词听起来好像和人脑有关。负责人类大脑活动的基本单位是“神经元”。它以细胞体为主体，由许多不规则的树突状纤维环绕而成。我们可以把神经元的结构想象成一棵死树的树枝。人的大脑包含数百亿个神经元，这些神经元相互连接形成一个更大的结构，称为“神经网络”。
学术界试图模仿人类大脑的“神经网络”来建立类似的学习策略，也称为“神经网络”。
下图显示了神经网络的一般结构
​

从x1,x2,x3输入到输出的过程，这里又定义了一个层次的概念，譬如上图就包括四层，包含最左边的输入层，和最右边的输出层，如果这是一道选择题的话，那么题目就是输入层，而ABCD的选择结果就是输出层，如上图的L1和L2分别是输入层和输出层。而选择题解题的过程是不写出来的，我们叫做”隐藏层“，这里L2和L3就是隐藏层，题目越难，给出的信息可能是越多的，而解题所需要的过程就越复杂的，也就可能需要更多的”隐藏层“来计算最终的结果。

但是由于到目前，还无法知道人脑工作的复杂性，所以这两个神经网络也只能是