簡介

已完成

深度學習 是一種先進的機器學習形式，會嘗試模擬人類大腦學習的方式。

在你的大腦中，你有稱為神經元的神經細胞，神經延伸通過網路傳遞電化學信號，彼此相連。

當網路中的第一個神經元受到刺激時，會處理輸入訊號，如果它超過特定閾值，就會 啟動 神經元，並將訊號傳遞給它所連接的神經元。 這些神經元接著可能會啟動，並透過網路的其餘部分傳遞訊號。 經過一段時間後，隨著您瞭解如何有效地回應，神經元之間的連接會透過頻繁的使用來加強。 例如，如果有人向你扔球，你的神經元連接可讓您處理視覺資訊，並協調你的動作來捕捉球。 如果你重複執行這個動作，參與捕捉球的神經元網路會變得更強壯，因為你學會如何更好地捕捉球。

深度學習會使用人工神經網路來模擬此生物過程，這些神經網路會處理數值輸入，而不是電化學刺激。

傳入神經連接會由通常識別為 x 的數值輸入所取代。 當輸入值超過一個時， x 會被視為具有名為 x₁、 x₂ 等元素的向量。

與每個x值相關聯的是一個權重 (w)，用來影響x值的效果，以模擬學習過程。 此外，會新增 偏差 （b） 輸入，以啟用對網路的精細控制。 在定型過程中， w 和 b 值會調整以調整網路，使其「學習」以產生正確的輸出。

神經元本身會封裝函式，以計算 x、 w 和 b 的加權總和。 此函式會接著包含在啟用 函 式中，以限制結果（通常為介於0到1之間的值），以判斷神經元是否會將輸出傳遞至網路中的下一層神經元。