在人工智慧領域，有乙個方法叫做機器學習，在機器學習這個方法裡，有一類演算法叫神經網路。我們用一張圖來更加形象的表示：
上圖中的每個圓圈都是乙個神經元，每條線表示神經元之間的連線。我們可以看到，上面的神經元被分為許多層，層與層之間的神經元有連線，而層內的神經元沒有連線。最左邊的層叫做輸入層，這層負責輸入資料；最右邊的層叫做輸出層，我們可以從這層獲取神經網路輸出資料。輸入層和輸出層之間的層叫做隱藏層。
隱藏層比較多（>2）的神經網路叫做深度神經網路，而深度學習就是使用深度架構（比如深度神經網路）的機器學習方法。
深度學習 感知機
感知機是什麼 簡單邏輯電路 感知機的實現 感知機的侷限性 多層知感機 1.感知機 感知機接受多個訊號，輸出乙個訊號 感知機的訊號只對應1 0兩種情況 x1，x2為輸入訊號，w1.w2為一開始給定的權重，y為輸出的訊號，每個圈為乙個神經元，神經元會計算傳送過來的訊號的總和，只有當這個總和超過了某個界限...
深度學習之感知機
感知機 是可以接收多個輸入訊號，輸出乙個訊號的 初級神經網路 演算法 也稱為 人工神經元 或 樸素感知機 權重 是控制各個訊號的重要程度 權重則是值越大，通過 的訊號就越大。x1 x2是輸入訊號 y是輸出訊號 w1 w2是權重 w是weight的首字母 圖中的o稱為 神經元 或者 節點 輸入訊號x1...
深度學習入門 感知機
感知機是乙個比較古老的演算法 那麼我們為什麼要學它呢，主要是因為感知機也是神經網路 深度學習 的起源的演算法，接下來我們將簡單介紹感知機，並用感知機解決一些簡單的問題。感知機就相當於乙個神經元，接受乙個或多個訊號時，輸出乙個訊號，0 1。輸入的每個訊號乘以固定的權重，當他們的總和超過某個界限時，才會...