深度学习：神经网络
深度学习简化了机器学习流程，实现无监督学习推理，深度学习的实现方式是神经网络。
神经网络模仿生物神经系统，比如人的手碰到火会缩手，先是手碰到火再通过神经元传导到大脑，脑发指令让手缩回来。这个事例的反应过程总结为：输入>输出。对应机器训练特征、目标值，无监督学习时数据输入到模型，再输出目标值，那么神经网络通过构建神经元组成神经网络，再进行输入数据处理，最终输出目标值。
神经网络是由神经元组成，神经元由数学公式组成：线性回归+激活函数。其中由于输入的数据是多种多样的，线性回归需求和，同时为了降低提高合理性，激活函数（非线性函数）会对求和结果进行处理，最终输出结果。
神经网络是由一层一层的神经元组成，输入层>隐藏层>输出层，隐藏层可能包含了多层的神经元。相对于生物神经系统，神经网络没有“大脑”，每个神经元本身就输出结果，神经元就相当于大脑。
神经网络隐藏层的层数、每层包含神经元的个数（即斜率、截距，w/b）属于神经网络的超参数，一般说的参数的规模就是指这两者。
神经元
神经网络
