深度學習指的是訓練
神經網路
所謂訓練就是和正確的結果對比，然後不斷更正有操作的偏差。就像且土豆絲，不斷調整自己下刀的厚度，既不能太細，也不能切成塊。
什麼是神經網路
乙個簡單的神經網路。
現在假設我們有一些關於房屋的資料集，這個資料集裡面包含了房屋的面積以及房價。我們希望從房屋的面積大小來**該房屋的**（面積->**）。
如下圖所示，橫軸代表房屋的面積大小（size of house），縱軸代表房屋的**（price of house），紅叉代表房屋。很明顯可以看出，隨著面積的變大，房子的**也隨著增長，近似線性關係。於是，我們可以使用一條一元一次方程，來近似的描述房屋的面積和**關係。
藍色的線條表示我們的函式，因為房屋的面積不能是負數，所以，從座標原點開始，有一段直線的值為0。這個函式也叫做修正線性單元(rectified linear unit，relu)。
也就是說，我們輸入乙個房屋的面積，經過乙個處理的過程（比如函式計算），得出乙個輸出的結果，房屋的**。我們把這樣乙個接受輸入並且能夠輸出乙個對應的結果的單元，叫做神經單元。神經網路就是一系列神經單元的組合堆疊。現在，我們這個神經網路只有乙個神經單元。
稍微大一點的神經網路
圖中的每乙個圓圈都表示乙個神經單元。從房屋的面積和房間的個數，可以推出購買家庭的大小；從郵編號碼可以推出當地的步行化程度（描述地區繁榮度的乙個指標），從郵編和當地經濟可以推出學校的教學水平。注意：以上的推出過程，都是指經過乙個神經單元的計算，這也符合上文所說的「神經網路就是一系列神經單元的組合堆疊」。然後，還有另外的乙個神經單元，這個單元可以對輸入的家庭大小(family size)、步行化程度(walkability)、學校的教學能力(school quality)等引數，輸出房屋的**。
那麼，有乙個問題是，我們為什麼不直接通過輸入的四個引數(藍色方框)一步到位的計算出最終的房價呢？其實是可以的。之所以不這麼做，是因為我們希望每乙個神經單元做盡量簡單的工作，通過這些不同的神經單元的組合堆疊，從而得出乙個更加準確的**結果，同時，也提高了每乙個神經單元的可重用性。
現在，我們有了乙個稍微大一點的神經網路了。只需要輸入四個引數，就能**出房價的多少，中間的過程全部是自動完成的。
乙個基本的神經網路
在上面的例子中，我們每乙個神經節點都是以上一層節點若干個輸出作為輸入。實際上，我們在設計神經節點的時候，每乙個神經節點的輸入都同時來自上一層節點所有的特徵。如下圖所示，第一層的三個節點，每乙個節點都把前面的四個特徵作為輸入，第二層只有乙個節點，這個節點也把第一層的所有節點的輸出作為輸入。
這樣，我們就構建了乙個基本的神經網路。這個神經網路有若干層，每一層都是由若干個神經單元組成，每一層每乙個神經單元的輸入，是上一層所有的神經單元的輸出。
注意：以上介紹的是構建神經網路，預設所有的節點都是已經訓練完成（引數調整到最佳）。這裡還沒有加入訓練神經網路的過程，所以看起來，和簡單的函式計算沒有什麼區別。下面要做的，就是在這個神經網路進行實際應用之前，如何訓練它。
深度學習和神經網路 深度學習概論
1.什麼是神經網路 深度學習是指訓練神經網路的這個過程,那麼神經網路是什麼,我們可以從房價 的例子說起 前提是你的有乙個資料集,假設這個資料集中包含有六棟房子的資訊 面積和房屋 這時,你想要擬合乙個根據房屋面積 房價的函式.我們假設擬合如下圖所示的直線.作為乙個神經網路,這可能是最簡單的神經網路.我...
神經網路和深度學習（1） 什麼是神經網路
神經網路和深度學習 主目錄僅僅在過去的 20 年裡對於很多應用，我們便收集到了大量的 資料，遠超過機器學習演算法能夠高效發揮它們優勢的規模。而深度學習和神經網路展現出的是，如果你訓練乙個小型的神經網路，那麼這個效能可能會像下圖黃 色曲線表示那樣 如果你訓練乙個稍微大一點的神經網路，比如說乙個中等規模...
深度學習筆記 什麼是神經網路
人工神經網路 英語 artificial neural network，ann 簡稱神經網路 neural network，nn 或類神經網路，在機器學習和認知科學領域，是一種模仿生物神經網路 動物的中樞神經系統，特別是大腦 的結構和功能的數學模型或計算模型，用於對函式進行估計或近似。神經網路由大量...