术语深度学习是指训练神经网络。Deep 代表非常大的神经网络。那么究竟什么是神经网络“text-align: center”>

让我们从一个房价预测的例子开始。因为房价太贵了。八年前，我爸妈说要帮我在北京买房。我觉得我不能依靠我的家人，所以我拒绝了。现在想来，我是个傻子。我当时买的，现在不用写博客了~

都说房价是中国人自己炒的，但除了炒，还有一些真实的因素影响着房价。通过分析这些因素，我们可以预测房价。假设您有一个数据集（六栋房屋的大小和价格）。您想找到一种方法（即构建一个函数）来按区域预测价格。如果你熟悉线性回归（不熟悉也没关系，你可以把它当成一个数学理论），那么你可以根据这个理论在实际数据附近画一条直线，比如红线在上图中，以及它附近的蓝线。小圆圈代表的是六套房子的面积和房价对应的点，也就是根据这条线（这个函数）找到某个区域对应的房价，除了一些错误之外，它基本上是准确的。另外，我们知道价格永远不会是负数，除非你是黑社会，而且你要让别人给你钱来占用别人的房子。因此，当面积为零时，价格也为零，所以上面的线不得不拐个弯。您可以将上述基于面积预测价格的函数视为一个非常简单的神经元网络（这几乎是最简单的神经元网络）。如右图，黄色圆圈是一个神经元，房子的大小是x，它作为输入进入这个神经元，然后神经元输出房价y。因此，当面积为零时，价格也为零，所以上面的线不得不拐个弯。您可以将上述基于面积预测价格的函数视为一个非常简单的神经元网络（这几乎是最简单的神经元网络）。如右图，黄色圆圈是一个神经元，房子的大小是x，它作为输入进入这个神经元，然后神经元输出房价y。因此，当面积为零时，价格也为零，所以上面的线不得不拐个弯。您可以将上述基于面积预测价格的函数视为一个非常简单的神经元网络（这几乎是最简单的神经元网络）。如右图，黄色圆圈是一个神经元，房子的大小是x，它作为输入进入这个神经元，然后神经元输出房价y。

你会经常在神经网络文献中看到这个函数（上面的红线）。这个函数一定时间为0，然后突然起飞，飙升。它被称为线性单元函数（ReLU，全称是rectified linear unit）。现在不明白也没关系，以后会明白的！

上面按区域预测房价的例子是一个非常小的神经元什么网站可以看房价，通过将多个这样的神经元堆叠在一起，可以形成一个更大的神经网络。您可以将神经元视为构建块什么网站可以看房价，并且可以通过将许多这些块堆叠在一起来获得更大的神经网络。以房价为例，如上图所示，影响房价的因素不仅仅是面积，还有卧室数量等。除了面积，卧室的数量也决定了房子是否适合你的家庭，比如3人或5人的家庭。另一个因素是邮政编码。这里的邮政编码代表地理位置，地理位置繁华，生活会更方便。然后另一个因素是学校的质量水平，在中国被称为学区房。这些因素，我们也称之为特征。根据面积和卧室数量，可以估计是否能满足家庭规模。根据邮政编码，可以估计生活的便利程度，包括上学的便利程度。最终的学校成绩可以评估教育质量。人们在买房时会考虑这四个因素，他们决定了价格，以及他妈的炒作，我们暂时忽略炒作。所以在这个例子中，x 代表这 4 个输入，y 是要预测的价格。上图左图是我们人工分析的过程。我们分析哪些投入会影响家庭规模、生活便利度、教育质量的匹配度，然后得出我们心中的价格。神经网络的神奇之处在于我们只需要提供输入x（面积，卧室数量...）和期望的结果y（房价），以及用于训练的真实数据（面积上面的六栋房子，卧室的数量……和价格），那么中间部分的家庭规模匹配、生活便利、教育质量将由神经网络本身根据实际数据训练得出，如右图. 当你再次输入第 7 宫的特征（地区、邮政编码……）时，这个神经网络会根据之前训练的中间部分给你最终的价格。也就是说，神经网络的内部过程代替了人类的分析过程。再举一个例子，比如我们教孩子认猫的时候，我们带了一些白猫，告诉他这是一只猫，然后我们带一些黑猫告诉他这也是一只猫，然后我们带一些狗告诉他这不是猫。最后，我带了几只虎斑猫，问他，他会告诉你那是一只猫，但他怎么知道的？判断过程是怎样的？我们不知道。这就是为什么神经网络是可怕的——它的工作原理非常像人类——我们不知道它在内部是如何工作的，即我们不知道它在想什么，就像我们不知道一个孩子到底是如何说出一个猫从狗。马斯克说人工智能是危险的，可能会毁灭人类并非没有道理。但他怎么知道？判断过程是怎样的？我们不知道。这就是为什么神经网络是可怕的——它的工作原理非常像人类——我们不知道它在内部是如何工作的，即我们不知道它在想什么，就像我们不知道一个孩子到底是如何说出一个猫从狗。马斯克说人工智能是危险的，可能会毁灭人类并非没有道理。但他怎么知道？判断过程是怎样的？我们不知道。这就是为什么神经网络是可怕的——它的工作原理非常像人类——我们不知道它在内部是如何工作的，即我们不知道它在想什么，就像我们不知道一个孩子到底是如何说出一个猫从狗。马斯克说人工智能是危险的，可能会毁灭人类并非没有道理。

上面提到的中间部分的神经元称为隐藏神经元。你可能已经注意到，在右边的神经网络中，每个隐藏的神经元都获得了所有的特征输入。左图中，是我们的人体分析过程。我们分析了面积和卧室数量这两个特征与家庭的规模有关。在右图中，我们将所有特征提供给每个隐藏的神经元，并让神经网络本身来分析哪些特征会以何种方式影响房价。也许神经网络分析比人类更有效、更全面。之前看到一个新闻，Facebook的神经网络发明了一种交流方式，因为觉得用人类语言交流效率太低了~~

看完这篇文章，你应该还是对神经网络有些迷茫吧……没错，如果你只用一篇文章就能理解神经网络，那你就是天才了。

以上就是本文对什么是神经网络的简单理解，希望对大家有所帮助。感兴趣的朋友可以继续参考本站：

Python 和人工神经网络：使用神经网络识别手写图像的介绍

70行Java代码实现深度神经网络算法共享

如有不足之处，请留言指出。感谢朋友们对本站的支持！