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