神经网络的基本概念
神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
神经网络的发展经历了多次兴起，从单层神经网络到多层神经网络，再到卷积神经网络和循环神经网络等。神经网络的组成包括神经元（负责计算和处理输入的信号）和网络连接（负责将不同的神经元连接起来，形成神经网络）。常用的激活函数包括Sigmoid激活函数等，激活函数对计算结果进行非线性变换。
神经网络在计算机领域中，是一种模拟生物神经网络的结构功能和计算的模型，目的是模拟大脑某些机理与机制，实现某个方面的功能，如图像的识别，语音的识别等。
