今天来跟大家分享一些人工神经网络基础的知识~
深度学习(DL)在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。使得人工智能相关技术取得了很大进步。要学习深度学习，那么首先要熟悉神经网络(Neural Networks)的一些基本概念，人工神经网络的基本思想是仿生学。
What(是什么)：激活函数(Activation functions)在神经元中，输入的数据通过加权求和后，还被作用了一个函数，这个函数就是激活函数。
Why(为什么用)：引入激活函数是为了增加神经网络模型的非线性。没有激活函数的每层都相当于矩阵相乘。引入了非线性因素，使得神经网络可以任意逼近任何非线性函数，这样神经网络就可以应用到众多的非线性模型中。
人工神经网络与人脑一样，网络越复杂它就越强大;层数越多，构造的神经网络越复杂。
用来训练的数据越多，就需要层数非常多的网络来实现。
本文仅是自己对于人工神经网络的见解，如有不妥之处请指出~
