康奈尔终于讲明白了神经网络！

康奈尔大学AI专业讲义终于翻译好了！

全网最好懂的神经网络入门教程

以神经元结构开篇，从零开始讲清楚了神经网络基础

人工神经网络（Artificial Neural Network，ANN）是一种由大量人工神经元（或称为节点）组成的计算模型，它们模仿了生物神经网络的结构和功能。每个神经元都与其他神经元连接，并通过这些连接传递信息。这些连接具有权重，它们决定了信息在网络中传递的强度。

ANN 通常分为多个层次，包括输入层、隐藏层和输出层。输入层接收原始数据，输出层产生最终的输出，而隐藏层在输入和输出之间进行信息处理。通过对网络中的权重进行调整，ANN 可以学习从输入到输出的复杂映射关系，从而完成各种任务，如分类、回归、聚类等。

人工神经网络已经在诸多领域取得了成功，包括图像识别、语音识别、自然语言处理、医学诊断、金融预测等。近年来，随着深度学习技术的发展，深度神经网络（Deep Neural Networks，DNNs）成为了人工智能领域的主流，并在许多任务上取得了前所未有的成果。