神经网络的介绍

神经网络是为了模拟人的大脑

神经网络起源于1943年，A Logical Calculus of Ideas Immanent in Nervous Activity , 使用一个间划过的计算模型来描述在动物的大脑中，神经元如何通过命题逻辑来实现复杂的计算
在80年代流行过一阵，但是到了90年代后期，由于各种原因，应用逐渐消失了

近几年，神经网络又火了起来

生物神经元：由包含细胞核和大部分细胞复合成分的细胞体组成。有许多分枝延伸的部分称为树突，一个非常长的延伸称为轴突。轴突的长度肯呢个比细胞体长几倍，或者长达几万倍，在其极端附近，轴突分裂成许多被称为终树突的分支，在这些分支的尖端是称为突触终端的微小结构，它会连接到其他神经元的树突（或者直接连接到细胞体）。生物神经元通过这些突触接受从其他细胞发来的很短的电脉冲，这种脉冲被称为信号。当一个神经元在一定的时间内收到足够多的信号，就会发出它自己的信号

单个神经元

生物神经网络的多个层次

一只猫大约有10亿个神经元，一只老鼠大约有7500万个神经元，一只蟑螂大约有100万个神经元。相比之下，许多人工神经网络包含的神经元要少得多，通常只有几百个，所以我们在不久的将来随时创建一个人工大脑是没有危险的

http://playground.tensorflow.org

感知器与神经网络

用符号标识神经网络

一个神经元的数学表示

激活函数

为什么需要非线性激活函数

如果你使用线性激活函数，或者没有激活函数，那么无论你的神经网络有多少层，

你一直在做的只是计算线性激活函数（两个线性组合的本身就是线性组合），

所以隐藏层就没有用了

激活函数和他们的导数

反向传播的理解

标签：树突,机器,函数,学习,神经网络,激活,轴突,神经元
来源： https://blog.csdn.net/weixin_41572488/article/details/99736975