機器學習 神經網路（1）
如何識別手寫數字呢，我們 28 * 28 矩陣表示作為輸入，輸出是一個 0 - 9 中的一個數字。今天就這個課題給大家介紹一下什麼是神經網路。我們看一下識別 8 的過程， 8 是由兩個圈 o組成的，所以我們需要先識別出 o 圈，那麼我們怎麼識別出圈 o的呢。我們可以看到圖片按畫素劃分為小格子，每一個那麼輸入是矩陣，每一個畫素
神經網路是我們大腦認識事物的結構，這裡可以將神經網路拆分為神經和網路兩個詞。我們看一看什麼樣的神經網路結構可以識別出這些手寫的數字。
神經指的是神經元，網路指的是由神經元組成的網路。我們可以把神經元理解為一個數字的容器，這個數字叫做 activation 。
理清一下思路，第一步弄清我們的系統的輸入和輸出，然後在設計我們的神經網路，最後找出層與層間關係，找出最優演算法模型。
1我輸入是一張手寫的數字圖 輸出是一個數字，好那麼最後一層就是10節點代表 0 到 9數字。輸入一張圖，怎麼把圖片轉換為計算機能夠識別的資料結構呢，我們 28 * 28 的矩陣，矩陣的每個值是畫素的灰度值。然後我們把多維矩陣轉換一維矩陣。一維矩陣作為輸入第一層神經元。
2 開始設計神經網路之前，先想一想應該如何讓機器識別出數字呢，以 9 為例，由於識別 9 這件事太自然了，所以很少認真思考人類是如何把 9 從其他數字區分開的，是因為他外形，就是由一個圈和一個豎組成的。
8 呢是由兩個圈來組成的，以此類推
這樣我們把每個數字拆分成圓圈，豎線或橫線的一小部分，數字是由這些小部分組成的。
然後我們繼續對圈和豎線進行分解，將他們也分解成更細的組成部分，一個一個的小線段以便我們來識別。
我們現在將圖形分解為許多線端（部件）組成的。這裡以 9 為例，我們通過一次判斷 9 是否圓圈和豎線，以及他們出現位子來判斷圖中數值是否為 9。
那麼我們又是如何識別出線段的呢，下次給大家分享。