為了表現(xiàn)誠(chéng)意，先把這句短小精悍的真理放在這里：

神經(jīng)網(wǎng)絡(luò)是一種由大量的神經(jīng)元相互連接構(gòu)成的運(yùn)算模型。

很復(fù)雜？其實(shí)特別簡(jiǎn)單，相信看完之后，你會(huì)感嘆一句——不過如此。

神經(jīng)網(wǎng)絡(luò)是什么？運(yùn)算模型。

什么是運(yùn)算模型？描述如何根據(jù)一組輸入值計(jì)算得出一組輸出值的模型。

比如，二元一次方程z=2x+3y+5就是一種運(yùn)算模型，輸入是x和y，輸出是z。根據(jù)z=2x+3y+5，給定x和y，我們可以得到z，這就是一種運(yùn)算模型。

注意啦，輸出可以是多個(gè)值。比如，輸入是x和y，輸出可以是z1和z2兩個(gè)值，其中，z1=2x+3y+5，z2=6x+8y+8，這也算是一個(gè)運(yùn)算模型。

神經(jīng)網(wǎng)絡(luò)如何表征運(yùn)算模型？大量的神經(jīng)元，相互連接。

下圖展示了一個(gè)神經(jīng)網(wǎng)絡(luò)。最左側(cè)的一豎排神經(jīng)元（藍(lán)色節(jié)點(diǎn)）被稱為輸入層，負(fù)責(zé)導(dǎo)入輸入值。最右側(cè)一豎排神經(jīng)元（綠色節(jié)點(diǎn)）被稱為輸出層，負(fù)責(zé)導(dǎo)出輸出值。中間兩豎排神經(jīng)元（黑色節(jié)點(diǎn)）被稱為隱藏層，這些神經(jīng)元與它們之間的連接一起，共同表征運(yùn)算模型。

比如，二元一次方程z=2x+3y+5就可以用下圖的神經(jīng)網(wǎng)絡(luò)表示。

圖中，2和3被稱為權(quán)重值，5被稱為偏置值。

一般來講，只有指向隱藏層神經(jīng)元的連接（如標(biāo)有2和3的連接）有權(quán)重值，只有隱藏層的神經(jīng)元（標(biāo)有5的神經(jīng)元）有偏置值。權(quán)重值和偏移值一般不會(huì)被標(biāo)注在神經(jīng)網(wǎng)絡(luò)中。

神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元的數(shù)量可以是任意的，神經(jīng)元之間的連接也可以是多種多樣的。

神經(jīng)元及其連接與數(shù)學(xué)公式的轉(zhuǎn)換，這里就不具體介紹了。只需要記得，神經(jīng)網(wǎng)絡(luò)本質(zhì)上就是一種運(yùn)算模型，只要神經(jīng)元數(shù)量足夠多，可以表征非常復(fù)雜的運(yùn)算，也就是非常復(fù)雜的輸入與輸出之間的關(guān)系。

到這里，「神經(jīng)網(wǎng)絡(luò)是一種由大量的神經(jīng)元相互連接構(gòu)成的運(yùn)算模型」這個(gè)定義，應(yīng)該已經(jīng)很清楚了。

為什么要使用神經(jīng)網(wǎng)絡(luò)表征運(yùn)算模型？直接用數(shù)學(xué)公式不香嗎？

神經(jīng)網(wǎng)絡(luò)針對(duì)的情況，是我們只知道輸入值與輸出值，但不知道輸入值與輸出值的相互關(guān)系。比如，我們只知道x=1, y=2時(shí)，z=13， 以及x=2, y=1時(shí)，z=12，但我們不知道根據(jù)x和y計(jì)算z的公式。

面對(duì)簡(jiǎn)單的輸入輸出的關(guān)系，我們也許可以直接解方程。但是面對(duì)極其復(fù)雜的輸入輸出呢？比如，如果輸入是這張圖片的像素點(diǎn)，輸出是圖片中所有的字母。這也是一個(gè)典型的圖像識(shí)別任務(wù)。

在這個(gè)時(shí)候，神經(jīng)網(wǎng)絡(luò)是必要的。只要神經(jīng)網(wǎng)絡(luò)足夠復(fù)雜（足夠多的神經(jīng)元，以及適當(dāng)?shù)纳窠?jīng)元連接），我們就可以相信，這個(gè)神經(jīng)網(wǎng)絡(luò)有能力表征我們希望獲得的輸入值與輸出值的相互關(guān)系。

「有能力」意味著，存在特定的權(quán)重值和偏置值，使得這個(gè)神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確的表征輸入值與輸出值之間的關(guān)系。但，我們可能并不知道這些權(quán)重值和偏置值。

假設(shè)神經(jīng)網(wǎng)絡(luò)夠有能力了，如何獲得權(quán)重值和偏置值？

這就要請(qǐng)出人工智能最重要的技術(shù)了，機(jī)器學(xué)習(xí)中監(jiān)督學(xué)習(xí)！

首先隨機(jī)猜測(cè)權(quán)重值和偏置值，之后使用迭代的方式逐步更新這些參數(shù)，使得在給定輸入值下，神經(jīng)網(wǎng)絡(luò)的輸出值和實(shí)際已知的輸出值的差別逐漸減小。直到這個(gè)神經(jīng)網(wǎng)絡(luò)可以大致準(zhǔn)確地表征輸入值到輸出值的關(guān)系，也就是我們所希望獲得的運(yùn)算模型。