🧠 神经网络 是自然语言处理（NLP）领域最重要的技术之一，它通过模拟人脑神经元的工作方式，让计算机能够学习语言规律。以下是核心知识点概览：
1. 神经网络基础概念
- 神经元：网络的基本单元，接收输入信号并通过激活函数输出
- 层结构：包含输入层、隐藏层、输出层，隐藏层决定模型复杂度
- 权重与偏置：控制神经元激活的参数，通过训练不断优化
- 反向传播：误差修正算法，使网络逐步提升预测能力
2. 典型应用场景
- 情感分析 📈（如：
/resources/nlp-tutorials/sentiment-analysis） - 机器翻译 🌍（如：
/resources/nlp-tutorials/machine-translation） - 文本生成 📝（如：
/resources/nlp-tutorials/text-generation） - 命名实体识别 🧾（如：
/resources/nlp-tutorials/named-entity-recognition）
3. 学习路径建议
- 先掌握线性代数基础 📚（推荐：
/resources/math-tutorials/linear-algebra-intro） - 学习Python实现 🐍（可参考：
/resources/tutorials/python-for-nlp） - 实践项目：尝试用TensorFlow/Keras构建简单模型 🧠
neural network structure
4. 扩展阅读
📌 提示：理解神经网络需要结合代码实践，建议从简单的全连接网络开始，逐步过渡到Transformer等复杂架构。