深度学习算法与应用手册（执行版）.docx

深度学习算法与应用手册（执行版）

第1章深度学习基础理论

1.1神经网络架构原理概述

神经网络作为深度学习的核心组件，本质上是一组按特定拓扑结构连接的神经元单元，其基本功能是通过加权求和与非线性激活函数，对输入特征进行非线性映射以逼近复杂函数。在输入层，数据以向量形式直接传递至隐藏层，隐藏层通过多层非线性变换逐步提取特征，最终在输出层预测结果，这种分层处理机制使得网络具备强大的特征提取与模式识别能力。神经元单元内部包含一个线性变换模块和一个激活函数模块，线性变换模块通过加权和计算神经元的净输入值，激活函数则引入非线性特性，决定了神经元是否“兴奋”并输出该值。若净输入大于阈值，神经元输出