人工智能00019 深度学习与图像识别书评19  神经网络基础0

1神经网络是一门重要的人工智能技术，也是之后讲解CNN（卷积神经网络）的基础。

在本章中，我们将主要学习与掌握神经网络的一些基本概念，为后续理解CNN打好基础。 本章的要点具体如下。

·神经元的基本介绍。

·激活函数。

·神经网络的基本介绍。

·前向传播。

·输出层。

·损失函数。

·最优化。

·基于数值微分的反向传播。

5.1　神经网络

从本节开始我们将逐步了解神经网络的基本概念与结构，首先从简单一点的结构开始，神经网络包含了三个层次，分别是：

输入层，

隐藏层

输出层。

输入层，位于这一层的神经元称为输入神经元。

输出层，输出神经元。

隐藏层。一个神经网络的隐藏层可以有很多，可以简单地理解为，如果一个层既不是输入层也不是输出层，那么就可以称其为隐藏层。

我们可以列举一个小例子，假设我们现在手里有一堆手写数字识别的数据，每个图像的灰度值编码将作为神经元的输入，假设输入的图片都是28*28的灰度图，那么我们的输入神经元就有28*28=784个输入神经元。

如果我们想知道这张图片是0-9中的哪个数字，那么神经网络的输出层则需要定义10个神经元，它们分别代表该数字是否为0，是否为1，是否为2……是否为9。

每个神经元都将预测该图片是某个数字的概率是多少，最终我们可以从这10个神经元输出的结果中抽取概率最大的那个作为最后的预测结果。