深度学习入门之BP神经网络（一）
时间：
2021-03-11作者：安服优
经过上一章『关于机器学习的工作原理』介绍，想必各位小伙伴们对于机器学习，人工智能和大数据的概念有了一些理解，接下来，我们将分为几个部分对于机器学习进行逐步深入的研究。首先，我们从经常出现在大众眼前的深度学习开始研究。
01/深度学习的成长史
深度学习是由机器学习中神经网络发展而来，它的发展历史可以用一张图现出来：
至此，深度学习与人工智能正式进入人们的视野。
02/深度学习是什么？
想要了解深度学习，最简单的原理我们先来看看神经网络。
人脑中大量的神经细胞负责传送信号，相互联接组成了人脑的神经网络，完成大脑的各种功能，大脑中的神经细胞长成这个样子：
神经元通过在感受部接收到脑中其他神经元发送的信号，然后胞体整合不同神经元发出的信号，将所有信号进行处理，得出结果之后产生新的神经信号；
当产生出超过一定阈值的信号时，将经过传导部，将信号传递给神经末梢；
神经末梢将信号传递给下一个神经元,完成信息的传送。
在整个过程中，单一神经元实现了从接受、整合、传导到输出信息四种功能，实现信息的交换。而我们的大脑中有百多亿的神经元，这些神经元群通过各个神经元的信息交换整合，实现脑的分析功能，这也是科学家们在创建神经网络的时候受到的启发来源。
基于这种特性，我们能模拟神经元的特性。从单一神经元开始：
当接收到其他神经元发出的的X1，X2，X3，X4，X5…Xn的信号后，要先将信号分别进行处理，处理的方式是将他们分别加权重，也就是分别乘以W1，W2，W3，W4，W5…Wn，然后将他们整合到一起变成细胞体接收到的输入：
胞体在接受到Yin之后，经过胞体的处理以产生神经元的输出，也就是如上图中的f，处理之后的结果：
神经末梢就将Yout这一结果传递给下一个神经元，至此，单个神经元就完成了自己的任务，进入待唤醒状态，而各种各样的神经元，每个神经元各司其职，组合成了我们大脑中的神经网络。
预知神经网络的详细逻辑，下一周带大家继续探索深度学习之BP神经网络。
