一、神经网络的思想与定义

一、神经单元

神经单元是神经元的模型化，我们的大脑是由神经元相互连接构成的网络，那么如果我们仿造大脑创建神经元网络，
是不是能够产生出像人脑一样的智能呢？这就是神经网络所要探索的课题。
1、神经元的函数表示
如图1，将神经单元的多个输入x1，x2，x3，…，xn加权输入到神经单元，并用z表示，
即z = w1x1 + w2x2 + w3x3 + w4x4 + … + wnxn + b （公式1）
其中w1，w2，w3，…wn为各输入权重，b为偏置，n为 输入个数
神经单元的输出用y表示，神经单元通过激活函数a(z)，根据加权输入z输出y
即y = a(z) （公式2）

二、神经网络

如图2，将神经单元连接成网络状，就形成了神经网络，网络的连接方式多种多样，从图中可以看出，
构成神经网络的各层为输入层、隐藏层（中间层）、输出层；
输入层的职责是读取输入给网络的信息，
隐藏层的神经单元负责执行公式1与公式2，实际处理信息的部分，
输入层与隐藏层一样执行公式1与2，并输出结果
所谓的深度学习就是叠加了很多层的神经网络。