神经网络简介

正如我们在介绍中讨论的那样，实现智能的一种方法是训练一个计算机模型或一个人工大脑。自20世纪中期以来，研究人员尝试了各种数学模型，直到近年来，这一方向取得了巨大的成功。这些大脑的数学模型被称为神经网络。

有时神经网络被称为人工神经网络（Artificial Neural Networks，ANNs），以表明我们讨论的是模型，而不是真实的神经元网络。

机器学习

神经网络属于一个更大的学科，称为机器学习，其目标是利用数据训练计算机模型，使其能够解决问题。机器学习是人工智能的重要组成部分，但我们在本课程中不涉及经典的机器学习内容。

请访问我们的独立课程 机器学习入门，了解更多关于经典机器学习的内容。

在机器学习中，我们假设有一些示例数据集 X 和对应的输出值 Y。示例通常是由特征组成的N维向量，而输出被称为标签。

我们将讨论两种最常见的机器学习问题：

• 分类：需要将输入对象分类到两个或多个类别中。
• 回归：需要为每个输入样本预测一个数值。

当将输入和输出表示为张量时，输入数据集是一个大小为 M×N 的矩阵，其中 M 是样本数量，N 是特征数量。输出标签 Y 是一个大小为 M 的向量。

在本课程中，我们将仅关注神经网络模型。

神经元的模型

从生物学中我们知道，大脑由神经细胞（神经元）组成，每个神经元有多个“输入”（树突）和一个“输出”（轴突）。树突和轴突都可以传导电信号，它们之间的连接——称为突触——可以表现出不同程度的导电性，这种导电性由神经递质调节。