深度学习一、神经网络

文章内容是对深度学习理解，本篇主要介绍深度学习概念中的神经网络。

1.1 单神经元网络（SNN，Single Neural Network）：

如上图中，假设已知n组{[房屋面积]，[房价]}数据。

如何根据房屋面积，得到预测房价的函数，可利用左图中的方法：使用直线（一元函数y = ax + b），又因为房价不可能为0，所以，在不同区间函数具有不同的表达式。此函数可以视为单神经网络，input(x) ->neural(神经元)-> output(y)。而这个函数模型，被称为ReLU(rectified修正linear线性unit单元) function（函数）,其中修正是指不取小于0的数。ReLU函数就是图中的神经元。

1.2神经网络（NN，Neural Network）：

同样预测房价，假设，给定更多的条件[房屋面积，房间数量，邮编，周边人口富裕程度]，将每个input条件都提供给

多个单神经元（称为隐藏神经元，并且每个神经元都接收N个条件，不限定每个神经元的处理）组合在一起，就构成了神经网络，input(x) ->middle（隐层）-> output(y)。神经网络，在有足够多数据的情况下，善于推导出x => y的精确映射函数。

参考资料：吴恩达，神经网络和深度学习。