神经网络基础知识储备-慢慢新增

【写在前面】不了解，纯小白，慢慢补充。理解有误请指教。

一、什么是神经网络？

神经网络：我对学术类的定义比较难以理解。泛化来说就是：由神经元节点组成的通道。包括数据输入、处理和输出。通常用来做分类和预测相关。每个节点向下一层输入的时候都具有两个关键点：权重（w)和偏执(b)。
神经网络类型：
（1)单馈神经网络——只包含输入层和输出层
（2）多层前馈神经网络
径向基前馈神经网络（RBF），引入了隐含层
BP神经网络，引入了误差逆传播算法（Back Propagation）
全连接神经网络，下一层的每个节点斗都与上一层所有节点相连接
卷积神经网络，主要包含卷积、池化、全连接层
（3）线性神经网络
（4）反馈型神经网络

二、主要构成

输入层：输入原始特征数据
卷积层：提取原始数据的关键信息

如上图所示，小区域数字，卷积的过程就是先相乘后求和，通过卷积核的移动得到一个全新的数据矩阵，图片黑色框中的就是原始数据矩阵被3*3大小卷积核卷积的第一步卷积的过过程。
池化层：下采样，降低维度
全连接层：象征意义上是做一个大小为1 步长为1 的卷积操作
输出层：输出结果（分类/识别）

不想写了****下次继续