一、概念了解
前言
人工神经网络 (Artificial Neural Network, ANN)，由人工神经元构成的网络，模拟人类的大脑；它模拟生物过程以反映人脑某些特征的计算结构。
神经元及其突触是神经网络的基本器件；模拟生物网络首先模拟生物神经元。
人工神经元
在人工神经网络中，人工神经元经常成为“处理单元”；从网络的观点出发常称为“节点”。
人工神经元是对生物神经元的一种形式化描述，它对生物神经元的信息处理过程进行抽象，并用数学语言描述。
人工神经网络
简介
它由处理单元（人工神经元）及其称为联接的讯号通道互联而成；这些处理单元具有局部内存，并可以完成局部操作。
重点
每个处理单元可以一对一的方式与其他处理单元联接，也可以一对多联接；每个处理单元的输出，可以根据需要被分支成希望个数的信号，然后并行联接，并且并行联接都输出相同的信号；即输出信号的大小一致，不因分支的多少而变化。
处理过程
- 处理单元的输出信号可以是任何需要的数学模型；
- 处理单元仅仅依赖于经过输入联接到处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。
特点
- 人工神经网络是一个并行、分布处理结构。
- 具有学习能力、泛化能力（人工神经网络对不在训练集合中数据可以产生合理的输出）
功能
联想记忆功能、非线性映射功能、分类与识别功能、知识处理功能
小结
人工神经元模拟生物神经元；
人工神经网络模拟人类的大脑，即模拟生物神经网络。
二、进一步理解
前言
人工神经网络 (Artificial Neural Network, ANN)，由人工神经元构成的网络，模拟人类的大脑；它模拟生物过程以反映人脑某些特征的计算结构。
人类大脑：
人类大脑可以看作是一个庞大复杂的生物神经网络；其主要由生物神经元和突触组成；
生物神经网络：
生物神经元：
- 主要由细胞体、轴突、树突、突触组成；
- 树突，接受信号；轴突，发生信号；
- 突触是信号传递的界面。
圆圆的球形体是细胞体；长长的是轴突；
两种状态：兴奋和抑制；
多个输入以代数和的方式叠加，输入兴奋信号总和超过某个阈值，神经元进入兴奋状态；
小结：神经元及其突触是神经网络的基本器件；模拟生物网络首先模拟生物神经元。
人工神经元
在人工神经网络中，人工神经元经常成为“处理单元”；从网络的观点出发常称为“节点”。
人工神经元是对生物神经元的一种形式化描述，它对生物神经元的信息处理过程进行抽象，并用数学语言描述。
模型图：
计算过程图：
备注：1）加权求和是指对应的输入值和权值相乘，然后把各个相乘的结果相加。比如输入x1，对应的权值是w1，对应相乘：x1*w1
加权求和所得： x1*w1+ x2*w2+ ······· xn*wn
2）f是指激活函数，把加权求和的结果 映射为另一个值；
比如常用的 Sigmoid 激活函数，它的图像是这样的：
当输入一个值X，映射为另一个值Y
数学模型如下：
Sigmoid 函数的输出范围是 0 到 1。用于将预测概率作为输出的模型， Sigmoid 函数非常合适。
人工神经网络
简介
它由处理单元（人工神经元）及其称为联接的讯号通道互联而成；这些处理单元具有局部内存，并可以完成局部操作。
重点
每个处理单元可以一对一的方式与其他处理单元联接，也可以一对多联接；每个处理单元的输出，可以根据需要被分支成希望个数的信号，然后并行联接，并且并行联接都输出相同的信号；即输出信号的大小一致，不因分支的多少而变化。
1）单层神经网络：
单层神经网络也叫 “感知器”，有两个层次；分别是输入层和输出层。输入层里的“输入单元”只负责传输数据，不做计算。输出层里的“输出单元”则需要对前面一层的输入进行计算。
比如：
输出节点展开：变成加权求和+激活函数
即：
2）多层神经网络：
单层感知机的表达能力有限，复杂的就无法实现了；这时多层神经网络出现了，它能表达更抽象、更丰富、更精准的逻辑、或行为、或现象。
下图网络结构包含输入层、输出层、隐藏层（2层）；输入层和输出层之间都叫隐藏层。
输入层有4个输入神经单元，隐藏层1有5个神经单元，隐藏层2有3个神经单元，输出层有1个神经单元。
设计一个神经网络时，输入层与输出层的节点数往往是固定的，中间层则需要设计；（构建神经网络的关键）
输入层 是由输入数据的种类决定的，比如需要输入4种数据，分别是物体的速度、加速度、位置、姿态，来做预测；这时就设置输入层为4个神经单元。如果只需输入一张图片，来做识别，这时设置输入层为1个神经单元。
输出层 是我们要向结果的种类决定的，比如需要预测一个分数，那么输出层为1个神经单元。如果需要让神经网络模型做一个2分类判断，判断输入的图片是小猫，小狗，那么输出层为2个神经单元。
隐藏层 往往需要工程师精心设计，然后测试，才有一个较好的模型。
处理过程
处理单元的输出信号可以是任何需要的数学模型（不同的激活函数）；
处理单元仅仅依赖于经过输入联接到处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。
特点
人工神经网络是一个并行、分布处理结构。
具有学习能力、泛化能力（人工神经网络对不在训练集合中数据可以产生合理的输出）
功能
1）联想记忆功能
2）非线性映射功能
3）分类与识别功能
4）知识处理功能
小结
人工神经元模拟生物神经元；
人工神经网络模拟人类的大脑，即模拟生物神经网络。
参考：
1）北京交通大学《计算智能基础》课程；
2）北京交通大学《图像处理与机器学习》课程；
3）https://cloud.tencent.com/developer/news/389738
如有错误，欢迎指出；欢迎交流~