什么是神经网络？
神经网络是受生物神经元启发的计算模型，模仿人脑处理信息的方式。它由大量相互连接的节点（神经元）组成，通过学习数据特征实现模式识别和预测。
核心组成部分
- 🧠 输入层：接收原始数据（如图像像素、文本向量）
- 🧠 隐藏层：通过非线性变换提取特征（可多层堆叠）
- 🧠 输出层：生成最终预测结果（如分类标签）
- 📚 激活函数：决定神经元输出（常用ReLU、Sigmoid）
神经网络结构示意图
学习过程解析
- 📉 前向传播：数据从输入层逐层传递到输出层
- 🔄 反向传播：通过损失函数计算误差并调整权重
- 🧠 梯度下降：优化算法最小化损失函数（可搭配动画演示）
深度学习应用案例
- 📈 图像识别（如MNIST手写数字分类）
- 📊 自然语言处理（如情感分析）
- 🤖 强化学习（如AlphaGo算法）