项目中神经网络与推荐算法的学习

近期，小组成员为解决项目中的功能需求，查找了深度学习的相关书籍以及技术文献，并学习了神经网络与推荐算法的相关知识技术，为生成各个关键词对于各项职业的权重确定技术方向。

神经网络：

基本模块——神经元：

每一个连接都有各自的权重，如何对人工神经网络的权重进行初始化是一个非常重要的话题，这将会直接影响到之后的训练过程，以及最终整个模型的性能。连接的权重通常情况下是一些随机值，可以是负值，正值，非常小，或者非常大，也可以是零。和这个神经元连接的所有神经元的值都会乘以各自对应的权重，然后再把这些值都求和。

在这个神经元里，输入总共经历了3步数学运算：

• x1→x1∗w1
• x2→x2∗w2
• (x1∗w1)+(x2∗w2)+b

先将输入乘以权重（weight），再经过激活函数（activation function）处理得到输出：

• y=f((x1​∗w1​)+(x2​∗w2​)+b)

其中，激活函数的作用是将无限制的输入转换为可预测形式的输出。