人工智能深度学习与神经网络手册（执行版）.docx

深度学习与神经网络手册（执行版）

第1章基础架构与核心算法原理

1.1神经网络的基本构成单元与拓扑结构

神经网络的核心是由大量神经元（节点）通过连接构成的计算单元，每个神经元接收来自前一个神经元的输入信号，经过加权求和与激活函数运算后，输出一个数值。拓扑结构决定了网络中神经元之间的连接关系与层级分布，主要分为全连接层、卷积层和循环层三种基本形态，决定了数据的处理方式。

在输入层，神经元直接映射原始数据特征，如图像像素或文本词向量，没有经过任何计算；在隐藏层，神经元通过非线性变换提取抽象特征。输出层负责将处理后的特征映射到最终的任务空间，例如回归问题输出连续值，分类问题输出离散类