五、神经网络相关
人工神经网络 (Artificial Neural Network, ANN)：很多人工神经元构成的网络结构模型，这些人工神经元之间的连接强度是可以学习的参数。
人工神经网络通过多个人工神经元连接而成，可以对数据间的复杂关系进行建模。不同节点（人工神经元）之间的连接被赋予了不同的权重，权重代表了该节点对与之连接节点的影响。每个节点代表了一个特定函数，输入这个节点的所有数据经过对应的权重综合计算，输入一个激活函数得到一个新的活性值（抑制或者兴奋）。
从系统观点看，神经网络由大量的神经元连接而成的自适应非线性系统，可以被视为一个可以学习的函数
六、第一部分总结
人工智能是一个非常大的范畴，其包含了诸多的领域，机器学习的是它的分支之一，同时近年来也成为了推动人工智能发展的关键因素。在传统的机器学习中，通过人为选择特征，仅仅通过多选特征归纳出一个预测模型。人为选择特征进行学习极大地限制了正确率，为了解决该问题，提出了表征学习的概念，将特征的选取作为学习的环节。为了学习的更好的特征表示，提出了深度学习。深度学习的模型很多，但现在最常用的是神经网络，因为反向传播的算法能够很好的解决贡献度分配问题。
