记得第一次遇到神经网络模型还是在参加数模协会赛做到有关股票预测时在网上搜索到的模型，当是的自己初涉这个领域真是大大的小白，又因为时间紧迫然后翻看有关数模的书，里面的介绍也是真的高深，然后看不懂的自己一脸无奈，求救另外一个队友。终于经过了懒散了那么久的寒假，在做寒假建模题的时候又将神经网络抖了出来，远离拖延症，好好学神经网络。
进入正题
一，神经网络的发展历史
在学习一门学科或者知识之前都应该好好了解其背景，这样的话有助于我们对其进行学习，俗话说欲见树木，先看森林（好吧，事实上我忘了那句话咋说了）但是，回顾历史吸取教训总是没有问题的吧。
二，什么是神经网络？
我相信，在看到神经网络这个词之后我们的第一想法应该也就是传统的生物神经网络，学了那么多年的生物可不是白学的呢，让我们回顾一下，高中所学的生物知识，我们完全可以将其进行类比。
首先就是神经元本身啦。在神经网络中，神经元还有别的名字，如单元，节点。但是这里的神经元和生物中的神经元差别还是很大的，生物中的神经元是指一整个结构，而在这里却只是储存数据的小存储空间。
其次就是树突啦。树突相当于神经网络的输入层，输入层字面意思就是供我们输入数据的层，输入层中的节点是确定的，根据我们已知的数据。
然后是轴突。轴突相当于神经网络中的隐藏层，在得到输出数据之前的计算的数据，起到过渡作用。具有两个或者更多的隐藏层且每层包含大量单元的神经网络称为深度神经网络，当然隐藏层也可以没有，但是隐藏层的出现是的线性动力转变成了非线性的，具有历史性意义。
接着是细胞核。细胞核相当于神经网络中的参数，是用于计算的。（参数可以说是最重要的内容，在以前参数是我们固定的，但是随着技术的发展，参数可以通过一定的方法得到并进行优化（这里又出现了损失函数等知识点）好吧，为什么我不说什么方法呢因为我不懂，哭泣)有一种规定说非偏置点连接上的值称为权重，偏执点上的值称为偏置，统一称为参数。话说，偏置点又是什么呢？代表着神经网络认为其在将权重和数据相乘之后应该添加的内容，偏置点也很好分辨，它并不是由前者数据和参数相乘得来的于是没有箭头指向它。
最后是轴突末梢。轴突末梢相当于神经网络中的输出层，其中输出层的节点就是轴突末梢的个数，哈哈是不是很形象，好吧我瞎说，根据输出层节点的个数输出的数据类型也就不同，如两个节点则结果为向量。
啊 还有一个知识点，感知器，感觉这个真的很容易概念不清楚，感知器这个概念是于1958年第一次被提出来的，其中的多层感知器是指两层（带有一个隐藏层）的神经网络。
最后，我们可以将神经网络模型直接类比生物中的神经网络，输入数据经过一定的计算过后得到输出数据。
当然我们也可以将其类比成复合函数，一间小屋子等等。
小白就是小白，写的不但磕磕巴巴而且还一度想放弃，好吧，我的确放弃了，码了那么点字也就只有关于神经网络的概念部分，其实发展历史一开始写了，但是全部删掉感觉自己寻找度娘应该更详细而且更有乐趣.

共同进步！还有希望自己好好学习神经网络编程不要乱立flag，期待自己还有下次更新！（太难了

话说自己能懂个大概还是因为一个大佬的分享,
原文链接：https://www.cnblogs.com/subconscious/p/5058741.html