深度学习：机器像人脑一样深层次地思考
怎么让机器像人一样思考呢？
1.机器擅长什么？擅长做重复枯燥的事情，一直做，循环做。那么我们只需要给机器大量的数据，然后让机器循环过数据，然后我们在循环的过程中加点关联，就可以让机器达到学习的目的
2.要怎么样的关联呢，这就需要数学的知识了。我们假设有一个直角坐标系，坐标系上有10万个点（看似杂乱无章的点），现在我要你建立一个函数，可以用来表示大部分点（就是带入点的坐标，函数成立）。10万个点，这对于我们人来说很难办到，但是机器可以，可以进行大量的运算，可以持续的工作。假设这个函数模型为 y = wx+b(当然，不是一次函数)，我们在初始时先假设w = 0, b = 0。然后在每一次的循环中，机器可以用当前权重参数值(w, b)计算每一个点的匹配度，从而计算出一个总的损失函数loss(与模型匹配度成反比)，然后，我们就可以通过这个损失函数，对w和b求偏导，从而使梯度下降。讲白了，就是一个在多次负反馈的更新过程。
损失函数公式：
权值更新公式：
在很多次循环中，损失值就会越来越低，权值越来越优化，模型就可以匹配更多的点，这个就是反向传播的原理。这样，在给他一个新的x值的时候，机器就可以预测出y的值。
