什么是神经网络？
神经网络是一种模仿生物神经系统结构和功能的计算模型，由神经元（节点）和连接（边）组成。它通过多层非线性变换，能够学习复杂模式并用于预测、分类、生成等任务。
核心概念
- 输入层：接收原始数据（如图像、文本）
- 隐藏层：通过加权求和与激活函数进行特征提取
- 输出层：生成最终结果（如分类标签、预测值）
- 激活函数：常用包括ReLU、Sigmoid、Tanh（例如：
<center><img src="https://cloud-image.ullrai.com/q/ReLU/" alt="ReLU"/></center>） - 反向传播：通过梯度下降优化参数
应用场景
- 图像识别（如MNIST手写数字识别）
- 自然语言处理（如情感分析）
- 游戏AI（如AlphaGo）
- 金融预测（如股票趋势分析）