機器學習：讓機器（廣義上的計算機）通過學習來獲得類似人類的智慧型。例如：人類會下圍棋，alphago或alphago zero就是乙個掌握了圍棋知識、會下圍棋的電腦程式。
神經網路：實現機器學習任務的一種演算法/數學模型。（機器學習領域的神經網路，特指人工神經網路）其網路結構類似於生物神經系統，用來模擬生物與自然環境之間的互動。
神經網路的基本組成結構為神經元。
1.mp模型
2.神經網路
神經網路訓練的步驟：
《一》訓練。
在神經網路中隨機初始化權重《二》測試網路我們將第一-組輸入值傳送給神經網路,使其傳播通過網路並得到輸出值。
我們將輸出值和期望的輸出值進行比較,並使用成本函式計算誤差。
我們將誤差傳播回網路,並根據這些資訊設定權重。
對於訓練集中的每個輸入值， 重複2至4的步驟。（對比**答案和真實答案的差別，從錯誤中學習經驗，把差別反向傳播過去，對每個神經元像正確的方向上改動一點點，那麼下次識別，通過所有改進的神經網路，正確率便會提高，每一次一點點，累加上千萬次訓練，向正確方向逼近。）
當整個訓練集都傳送給了神經網路,我們就完成了乙個epoch, 之後重複多次epochs。
使用測試集測試訓練好的網路
卷積神經網路初步認識
監督學習兩大類 分類問題，歸一問題 卷積神經網路相對於全連線神經網路的優點 有效地減少神經網路中引數個數 卷積層的引數個數和的大小無關，它只和過濾器的尺寸 深度以及當前層節點矩陣的深度有關 有效地縮小矩陣的尺寸，最後減少全連線層中的引數。既可以加快計算速度也有防止過擬合問題的作用 池化層過濾器中的計...
神經網路的認識（一）神經網路的認識
特徵提取 我的理解就是將物體資料化，將乙個實體盡可能的描述成計算機可以懂得話，就比如定義乙個人，姓名 性別 愛好 出生地 出生日期 這樣可以給他打足夠多的標籤，就可以定義他是誰了，這個標籤就是特徵。使用神經網路有4個步驟 提取問題中實體的特徵向量作為神經網路的輸入，不同實體可以提取不同的特徵向量 定...
初步了解神經網路
學習自 上圖的圓圈就代表乙個感知器。它接受多個輸入 x1，x2，x3.產生乙個輸出 output 好比神經末梢感受各種外部環境的變化，最後產生電訊號。為了簡化模型，我們約定每種輸入只有兩種可能 1 或 0。如果所有輸入都是1，表示各種條件都成立，輸出就是1 如果所有輸入都是0，表示條件都不成立，輸出...