這裡我們學習神經網路的一本概念，在我們的生活中，我們可以編寫一些程式來實現聽、看、觸覺等這些人類的實踐。但是我們如果要用機器模擬人--人工智慧，那麼我們不是要製作無數個程式。但是一會發現，我們這些反應都是大腦的識別處理演算法的出的結果，所以我們如果掌握了大腦的學習演算法，那麼我們就可以只用乙個演算法，解決所有的事情。
科學家做了如下的神經重連實驗：
我們能明白聽到的東西，其實是我們耳朵將受到的訊號經過聽覺神經傳遞到大腦的聽覺皮層（紅色），然後分析做出的反應。現在我們將耳朵到聽覺皮層的聽覺神經剪斷，將視覺神經連線上去，你會發現聽覺皮層會學會「看」。
同樣我們將視覺神經連線到觸覺皮層，你會發現觸覺皮層學會看。
下面是一些實驗，讓舌頭學會看，假若給青蛙裝上第三隻眼睛，青蛙會學會使用的三隻眼睛。。。
這些種種都說明了我們大腦的自動學習演算法，如果我們掌握了這種演算法，那麼人工智慧就不再是夢想。
人工神經元
神經元是構成神經網路的最基本單位，構造乙個人工神經網路系統的首要任務就是構造人工神經網路模型。1 人工神經元的基本構成 我們希望人工神經元可以模擬生物神經元的一階特性 輸入訊號的加權和。對於每乙個人工神經元來說，可以接受一組來自系統中其他神經元的輸入訊號，每個輸入對應乙個權，所有輸入的加權，所有輸入...
神經元細節
單個神經元的模型如下圖所示 在右圖中，神經元的激勵反應可分為兩大部分 1 神經元接受刺激，並對所有的刺激進行加權求和，然後加上偏置，得到激勵值 2 將激勵值作為輸入，輸入到啟用函式，最後通過激勵函式的作用得到最後的響應 注意 這裡總共分為兩個過程，不能忽視最後啟用函式的作用。乙個線性分類器就可以看作...
多組神經元
p 0.1 0.7 0.8 0.8 1.0 0.3 0.0 0.3 0.5 1.5 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 1.5 1.3 t 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 r,q size p s,q size t net ...