什么是深度学习
人工智能专业中，有一种算法叫做神经网络，如图所示：
?
?隐藏层顾名思义是对外部来说是不可见的
隐藏层大于2的神经网络叫做深度神经网络
深度学习就是使用深层架构（比如，深度神经网络）的机器学习方法。
上面的规则定义了全连接神经网络结构，事实上还有其他神经网络：卷积神经网络（CNN）、循环神经网络（RNN），他们的连接方式都不同
深度网络相较于浅层网络：
优势：使用相对少的神经元就可以拟合相同的函数；更节约资源
劣势：需要大量数据，不容易训练
感知器（也叫神经元）
1.基本组成：
-
输入与权值?一个感知器可以接收多个输入xi，每个输入值对应一个权值wi
-
偏置项??就是下面公式（1）中的b
-
激活函数?感知器的激活函数可以有很多选择，比如我们可以选择下面这个阶跃函数来作为激活函数，通过这个激活函数可以进行简单的布尔运算，如实现and函数、or函数，但不能实现异或运算：
- 输出?感知器的输出由下面这个公式来计算
2.基本用途：
可以拟合任何线性函数，即可以解决任何线性分类和线性回归问题
3.迭代训练
?（1）感知器训练算法：将wi与b初始化为0，利用感知器规则反复迭代修改wi与b，直到训练完成
（2）感知器规则：
?b是偏置项，也可以看做输入x后值永远是1的权重
t是训练样本的实际值，一般称之为label
y而是感知器的输出值
是一个称为学习速率的常数，其作用是控制每一步调整权的幅度