在構(gòu)建屬于自己的神經(jīng)網(wǎng)絡(luò)（一）中，介紹了神經(jīng)網(wǎng)絡(luò)的基本原理，用一個(gè)簡(jiǎn)單的一次多項(xiàng)式說了一下基本過程，今天就將（一）中的最簡(jiǎn)單三層神經(jīng)網(wǎng)絡(luò)的原理介紹一下，加深神經(jīng)網(wǎng)絡(luò)的理解。

神經(jīng)網(wǎng)絡(luò)中幾個(gè)重要的參數(shù)以及函數(shù)介紹

• 輸入數(shù)據(jù)：我們對(duì)數(shù)據(jù)進(jìn)行分類、回歸還是其他的操作時(shí)輸入到神經(jīng)網(wǎng)絡(luò)中的數(shù)據(jù)，這些數(shù)據(jù)有的可以直接作為輸入，有的需要編碼后輸入
• 層：神經(jīng)網(wǎng)絡(luò)中的層次就是常說的輸入層、輸出層、隱藏層（可以有多個(gè)）
• 單元：神經(jīng)網(wǎng)絡(luò)中各個(gè)層次包含的神經(jīng)元，就是圖中的各個(gè)小圓圈
• 激活函數(shù)：輸入到神經(jīng)網(wǎng)絡(luò)中的數(shù)據(jù)在各個(gè)層次的傳遞并不是簡(jiǎn)單的輸入與輸出，就像我們?nèi)梭w的神經(jīng)，當(dāng)有人輕輕碰了你一下的時(shí)候你可能沒感覺，但是有人打了你一下你立馬就有反應(yīng)一樣，不是所有的信號(hào)都要在神經(jīng)網(wǎng)絡(luò)中傳遞，有的信號(hào)可以傳遞很弱，有的信號(hào)可以傳遞很強(qiáng)，這就是激活函數(shù)的作用，輸入到神經(jīng)網(wǎng)絡(luò)中各個(gè)單元的數(shù)據(jù)通過激活函數(shù)后再向下一層次傳遞。
• 輸出數(shù)據(jù)：神經(jīng)網(wǎng)絡(luò)訓(xùn)練后形成的數(shù)據(jù)。
• 真實(shí)數(shù)據(jù): 實(shí)際采集到的數(shù)據(jù)。
• 損失函數(shù)：真實(shí)數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)的差值作為輸入，定義神經(jīng)網(wǎng)絡(luò)誤差所形成的函數(shù)。
• 目標(biāo)：我們最終要實(shí)現(xiàn)的效果，分類？回歸？等等吧
• 優(yōu)化器：誤差反向傳遞，優(yōu)化神經(jīng)網(wǎng)絡(luò)中各權(quán)重的鏈接節(jié)點(diǎn)，實(shí)現(xiàn)數(shù)據(jù)梯度下降所采用的函數(shù)。
  
  神經(jīng)網(wǎng)絡(luò)基本架構(gòu)

神經(jīng)網(wǎng)絡(luò)中的數(shù)據(jù)流動(dòng)（張量流動(dòng)（tensorflow））

待更新。。。