最近一直想着写一篇神经网络入门级的的博文，由于学习的原因，一直拖到了今天，趁着周五没课，我将我自学神经网络的经历总结一下。由于本科的毕业设计就是使用卷积神经网络做的，因此我对神经网络有了一种不可言喻的兴趣，在读研的时候我就想着系统地学习一下神经网络。
首先，我们人类之所以拥有强大的学习能力，究其原因，是因为在我们的大脑中存在神经网络，我们称之为生物神经网络。处于信息时代的人们，享受着信息科技带给我们的便利，这时人们提出可不可以给计算机也使用上“神经网络”，让计算机模仿人类的思维来工作，因此人工神经网络就这样诞生了。
学习一门新的知识，首先要从底层的基础开始，同样，我们从底层的基础开始来认识人工神经网络。在人工神经网络中，最基本的单位是神经元，类比生物神经元，一个人工神经元由多个输入（树突）、一个处理单元（细胞核）和一个输出（轴突），其模型如图1-1所示。
图1-1 神经元模型
图中神经元除了以上三个属性外，它还多了一个 属性，这个属性叫做偏置，也就是图中的x0。关于偏置，我们以后会详细介绍，在这里我们只需要记住这个概念就行。f我们称之为激活函数，它的作用是将输入进行映射，产生输出信号。若干个神经元组成了一个人工神经网络的层，一个人工神经网络由多个层组成，这些层分为输入层，隐藏层和输出层，一般一个神经网络只有一个输入层，一至多个隐藏层和一个输出层构成。一个最简单的人工神经网络如图1-2所示：
图1-2 人工神经网络模型
它由一个输入层、一个隐藏层和一个输出层组成，每一层的每一个神经元都和它前一层以及它后一层的每一个神经元相连接，这种连接被称为全连接，关于神经网络是怎样进行学习的，我们以后再做说明。