介绍

已完成

深度学习是一种高级的机器学习形式，它尝试模拟人类大脑的学习方式。

大脑中有一种名为神经元的神经细胞，这些细胞通过神经延伸互相连接，通过神经网络传递电化学信号。

当网络中的第一个神经元受到刺激时，它会处理输入信号，如果信号超过特定的阈值，则会激活神经元，并将信号传递到连接到的神经元。 这些神经元会被激活，并通过网络的其余部分传递信号。 随着时间的推移，当你学习如何有效地做出反应时，神经元之间的联系会因为频繁的使用而加强。 例如，如果某人向你抛出一个球，你的神经元连接让你能够处理视觉信息并协调动作来接球。 如果在学习如何更好地接球的过程中重复执行此操作，参与接球的神经元网络就会变得更强。

深度学习使用处理数值输入（而不是电化学刺激）的人工神经网络来模拟这一生物过程。

传入的神经连接通常由标识为 x 的数值输入所取代。 如果有多个输入值，x 将被视为具有名为 x₁、x₂（依此类推）的元素的向量。

与每个 x 值相关联的是权重 (w)，它用于增强或削弱 x 值的效果来模拟学习。 此外，还添加了一个偏差 (b) 输入，以启用对网络的精细控制。 在训练过程中，会调整 w 和 b 值来优化网络，使其“学习”生成正确的输出。

神经元本身封装一个了函数，该函数计算 x、w 和 b 的加权总和。 此函数反过来又包含在一个激活函数中，该函数限制结果（通常是 0 到 1 之间的值）来确定神经元是否将输出传递到网络中的下一层神经元。