神经网络与机器学习

什么是神经网络？

人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），通俗来讲，神经网络是在模仿动物神经网络而构成的算法数学模型。

它由三部分组成：输入层、隐藏层、输出层

我们可以把这三者简单粗暴地理解成一个二元一次方程：

Y=aX

其中Y=输入层；a=隐藏层；X=输出层

光构建了模型是没有用的，因为这个模型里，X、Y、a都是未知量，所以在最开始，这个神经网络就如一个新生儿，什么都不懂也不会，如果这时，我们给定：

X=1

Y=2

那么，据此可以求解a=2.

这个求解a的过程，就是机器学习。

a值其实描述成“套路”比较恰当，它的意义就在于重新给定任务Y后，机器都能根据Y值和从经验中学习到的“套路”，展现出最后的X。

是不是特别简单粗暴？事实上这种神经网络系统简直复杂到没朋友，X Y a都是矩阵，隐藏层a也不止一层，内部节点之间的链接关系都是变量，学习的过程需要调整内部大量节点之间相互连接的关系，达到处理信息的目的。试想，如果求解一个有几百万变量的方程，那么你需要联立几百万个方程组再进行求解，更何况一个几百万变量的线性代数方程。

PS：引用自https://www.sohu.com/a/213319568_100090937

原文地址：https://www.cnblogs.com/cn-gzb/p/9583469.html