1.什么是神经网络？

1.1 基本概念

定义：人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

理解：简单来说一个神经网络就是一个函数，输入一个值，通过计算输出一个值。与传统函数不同的是，这个函数是通过数据训练自动得到的，并非人为构造出的。

1.2 实例分析——房价预测

问题描述： 已知房子面积数据和其对应的价格，先要构建一个模型输入房子面积，预测其价格
单神经元网络：
?房子面积即为模型输入 $x$ ，预测的价格即为模型输出 $y$ ，而中间的计算过程即为神经元
?显然，在这种情况下，要做的就等同于用最小二乘法来拟合出一条直线 $y = k x + b$ ，此时直线的斜率 $k$ 即为神经元的权重，该神经网络就等同于这条直线的表达式
? 在这里插入图片描述
多神经元网络：
?如果已知的数据不仅是房子的面积，还有其他信息，如是否有卫生间、所在地区、周边房价等，那么模型就需要有多个输入，此时就需要增加神经元数量和层数
?此时的模型有多个输入，一个输出，增加神经元个数以考虑多个输入的影响，增加模型拟合能力；增加层数以统合不同神经元输出，最终得出一个结果，即预测的房价
? 在这里插入图片描述

2.监督学习与神经网络

定义： 监督学习即如同上述例子，需要有输入数据和对应的标签。在房价预测中，输入数据即房子的面积等和房子有关的特征，而标签即房价，模型最终要预测的东西。

2.1 应用

?监督学习是神经网络最广泛的应用方式之一，几乎在各个领域都可使用
? 在这里插入图片描述

2.2 常见神经网络类型

?前馈神经网络、卷积神经网络、循环神经网络等
? 在这里插入图片描述

2.3 常见数据类型

结构化数据： 能构成表格形式的数据，如房子的相关特征与房价
非结构数据： 不能构成表格形式的数据，如音频、图片、文字
在这里插入图片描述

3. 神经网络兴起的原因

(1)数据规模的扩大： 随着互联网的发展，目前人类产生和可获得的数据越来越多。传统ML方法存在瓶颈，难以处理大量数据，得到更好表现，但神经网络可以随着数据量的增加和网络深度的增加而不断提升效果
? 在这里插入图片描述
(2)算力提升： 随着计算机硬件的发展，目前的电脑算力以远超从前，因此很多曾经无法实现的方法在今天都可以被实现(如深度神经网络)，很多问题可以通过暴力堆积算力来解决
(3)算法的发展： 新算法的提出也极大增强了神经网络的表现，提高了计算速度
在这里插入图片描述