1、如何理解神经网络中的维数 以及线性和非线性转换能力
非线性曲线 我们一般用线性分段逼近，而多层神经网络有多个隐层空间 相当于有多个多段折线分割面，当神经网络层数特别多时 分割超平面就相当于一个超曲面 因此可以对非线性的数据分类
谷歌人工智能写作项目：小发猫
2、神经网络处理数据组有1000个维数需要多少输入节点
这需要看你的实际需求了，一般使用二次型就行，这样的话输入节点1000！个，维度这么大我想应该有很大数据是冗余的，可以先用PCA降低下维度1000维度（通道）有点夸张，还是说只是单维度下，有连续1000个输入作为一组样本
3、维度匹配是什么意思
这个需要进行相关学习才能知道，SOM神经网络中的维度匹配应该是在一定空间内，俩个数据相匹配，形成一个新的数据。
4、神经网络 二分类 vs 多分类
二分类：标签为0和1，网络输出的结果要经过sigmoid激活函数处理，输出值的值域为0~1之间，小于0.5则视为标签0， 大于等于0.5则为标签1
多分类：标签为多个值，网络需要输出一个维度与标签数量一致的z-score向量，向量需要通过softmax激活后转化为对应各标签的概率（概率和为1），而判定出的标签是概率最高的那个。