我們用簡潔易懂的語言了解下什麼叫人工智慧神經網路，假如有如下乙個神經網路。
訓練完成後，隨便輸入乙個，這個網路需要識別是貓或狗或同時不是貓和狗。如下面輸入一張沙皮狗的，神經網路識別是一條狗。
如果輸入下面輸入一張狗的，神經網路識別也是一條狗。
如果輸入下面輸入一張貓的，神經網路識別是乙隻貓。
如果輸入下面輸入一張牛的，神經網路識別是非貓非狗。
那麼，公升級網路是怎麼記錄這些資訊的呢？
其實神經網路就是通過神經元的相互連線關係記錄訓練資料的特徵資訊，比如訓練結果中下圖示紅的神經元路徑表示是狗的資訊，那麼當讀取到沙皮狗的特徵剛好這些資訊吻合時，識別結果就是狗。
同樣地，下面這條神經元的路徑也是狗
而這個神經元路徑就是貓了。
神經網路就是通過神經元組合表示資訊，能夠把訓練資料的各種特徵出來。通過增加神經隱藏層數量和每層的資料元數量，從而能表示更複雜的資訊。
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...
神經網路 卷積神經網路
1.卷積神經網路概覽 來自吳恩達課上一張，通過對應位置相乘求和，我們從左邊矩陣得到了右邊矩陣，邊緣是白色寬條，當畫素大一些時候，邊緣就會變細。觀察卷積核，左邊一列權重高，右邊一列權重低。輸入，左邊的部分明亮，右邊的部分灰暗。這個學到的邊緣是權重大的寬條 都是30 表示是由亮向暗過渡，下面這個圖左邊暗...
神經網路簡介 多層神經網路
如上圖所示，該神經網路有三層。我們標記第一層 也就是輸入層 為a 1 第一層與第二層連線權重為w 1 然後第一層輸入與第一層權重的線性和為z 1 第一層神經元個數為n 1 並依次標記剩餘網路層。可以看出，存在 z l j i 1 n l a l i w l i,j a l w l j a l 1 f...