【深度学习】核心概念-人工神经网络（Artificial Neural Network, ANN）

人工神经网络是一种受生物神经系统启发的机器学习模型，旨在通过连接大量的节点（称为神经元或节点）来模拟人脑的学习方式。它是一种在监督学习和非监督学习中广泛应用的深度学习模型。

---

人工神经网络的基本结构

一个人工神经网络通常由以下三个部分组成：

1. 输入层（Input Layer）：
   接受输入数据，每个神经元代表一个特征。

2. 隐藏层（Hidden Layers）：
   通过权重、偏置和激活函数对输入进行处理，可以有一层或多层，决定了模型的表达能力。

3. 输出层（Output Layer）：
   提供最终的预测结果，输出层的神经元数目取决于任务类型（如分类的类别数）。

神经元

每个神经元的输出由输入的加权和经过激活函数计算得出：

 

其中：

• ：权重
• ：输入
• ：偏置
• ：激活函数

激活函数

常见激活函数包括：

• Sigmoid:
• ReLU: