【1】引言
前序已经了解了基本的神经元知识，相关文章链接为：
神经网络|(一)加权平均法，感知机和神经元-CSDN博客
神经网络|(二)sigmoid神经元函数_sigmoid函数绘制-CSDN博客
神经网络|(三)线性回归基础知识-CSDN博客
把不同的神经元通过线性回归的形式组合到一起，就可以构建神经网络。
因此，在之前学习的基础上，本篇文章正式进入神经网络的学习。
【2】基础知识
神经元是构成神经网络的基本单元，神经网络除了必须要有神经元之外，还可能包括激活函数，可以把激活函数理解为神经元在传递信息过程对信息的数学处理方法。
此外，必要的，神经元会有输入和输出，神经元的输出可能经过激活函数的处理。
输入是外界给程序的原始信息，输入神经元是接收原始信息的神经元，它们不可混淆。
某些特殊情况下，输入神经元可以同时是输出神经元，此时神经元两端的输入和输出相等。
点击下述链接，可以到一个简明好用的神经网络展示页面：
A Neural Network Playground
图1 简明神经网络结构展示
图1展示了输入层有两个参数，隐藏层有3个神经元，输出层有一个参数的简明神经网络结构。
但需要注意的是，图1所示的隐藏层中没有画出激活函数。
形成一层的神经元有一些特征：
- 每个神经元由相同的激活函数；
- 每一层的神经元都会完全连接到下一层的神经元；
- 大多数神经网络由0-2个隐藏层。
隐藏层内有很多隐藏层神经元，它们的输入信息是上一层中各个神经元的输出信息，它们的输出信息也会直接输出给下一层的神经元。
在上述常规组成之外，还会有其他类型的神经元，包括：偏置神经元、上下文神经元等。
【3】总结
学习了神经元和神经网络的基础知识。
