本章介绍了神经网络
神经网络是一门学科，我们常提到的神经网络是机器学习与神经网络的交叉部分——神经网络学习，简称神经网络。（我们下文也简称神经网络）
神经网络是一种经典的监督式学习算法。
神经网络的一个部分是有类似感知器和线性单元的神经元组成的。 感知器是受一个输入向量，以及乘上其附带的权重，得到的结果输入感知器的激活函数，处理后得到输出。通常，感知器的激活函数是阶跃函数
线性单元和感知器的不同在于，线性单元的激活函数是线性的。
不过，通常神经网络的神经单元的激活函数往往选择sigmoid等函数，因为其容易计算梯度下降的特性。
<aside> ⚠️ 神经网络（包括机器学习）最重要的是两个部分：模型和目标函数。 模型描述了最终的输出遵循的函数和步骤； 目标函数描述了模型中的参数（通常是那最终的函数所需的系数）需要满足的条件（即描述了如何求出如何求出参数）
</aside>
神经网络就是将**这些单独的单元按照一定的规则相互连接在一起形成的网络。**多层连接在一起的单元理论上可以实现拟合出任何的分类函数的效果。