【漫话机器学习系列】005.神经网络的结构（architecture on the neural network）

神经网络（Neural Network）是一种模拟人脑神经系统的计算模型，由大量相互连接的神经元（节点）组成，广泛应用于深度学习和机器学习领域。以下是神经网络的基本结构及关键组成部分。

---

1. 神经网络的基本组成

一个神经网络通常由以下部分组成：

1. 输入层（Input Layer）：

   • 接收输入数据，每个节点代表一个输入特征。
   • 输入数据的维度决定输入层的神经元个数。

2. 隐藏层（Hidden Layers）：

   • 位于输入层和输出层之间。
   • 包含多个神经元，负责学习和提取特征。
   • 可以有多个隐藏层，层数和每层的神经元数量决定网络的复杂度。

3. 输出层（Output Layer）：

   • 生成最终的输出。
   • 输出神经元的数量取决于任务类型：
     • 回归任务：一个输出神经元。
     • 二分类任务：一个神经元（通常配合 Sigmoid 激活函数）。
     • 多分类任务：输出神经元数量等于类别数量（通常配合 Softmax 激活函数）。

4. 连接权重和偏置（Weight