每個神經元是 乙個可微分的邏輯單元。
把一堆邏輯單元按照一定結構放在一起，組合成神經網路，然後用 可微的最優化方法——梯度下降法 進行優化。
神經網路就是乙個程式，大量的邏輯門按照一定結構組合的複雜程式。梯度下降用來自動化程式設計。復用邏輯單元，就是 增加深度、cnn、rnn等方法。
學出的是邏輯單元組合成的程式，復用裡面的邏輯做知識遷移，即復用乙個模組 到 另乙個任務裡面。
強大的網路，rnn如果不共享權值，而是根據不同時間更換不同權值，權值是他的邏輯，他就是一台計算機，而且 根據不同時間更換不同權值，那不就是乙個很深的神經網路嗎？
共享權值的rnn，其實就是乙個帶有迴圈結構的機器，他內部共用同乙個套邏輯，和帶迴圈結構的程式類似。
綜上所述，神經網路是乙個可微邏輯機。
神經網路 感知機
受生物學的啟發，人工神經網路是有一系列簡單的單元互相緊密聯絡構成的，每個單元有一定數量的實數輸入和唯一的實數輸出。神經網路的乙個重要的用途就是接受和處理感測器產生的複雜輸入並行進行自適應的學習。人工神經網路演算法模擬生物神經網路，是一種模式匹配演算法，通常用於解決分類和回歸問題。人工神經網路是機器學...
什麼是神經網路？
神經網路是一種計算機模型或者數學模型，是存在於計算機的神經系統，由大量的神經元相連線並進行計算，在外界資訊的基礎上，改變內部的結構，常用來對輸入和輸出之間複雜的關係進行建模。下面這張圖就是乙個神經網路系統，它由很多層組成。輸入層負責接收資訊，比如乙隻貓的。輸出層是計算機對這個輸入資訊的判斷結果，它是...
什麼是神經網路？
它從資訊處理角度對人腦神經元網路進行抽象，模擬生物神經網路建立某種簡單模型，按不同的連線方式組成不同的網路。人工神經網路與生物神經網路不同的是它的神經元網路是初始存在的。它分為輸入層，輸出層 當然這期間也有隱藏層 輸入層是獲取相關資料資訊，輸出層進行資訊整合進而輸出結果。那麼神經網路是怎麼工作的呢？...