Day5：类神经网路架构

　　类神经网路的概念，与神经系统有关，最初由David Hunter Hubel以及Torsten N. Wiesel发现，他们将猫麻醉了之後，插入了钨丝微电击进初级视皮层，然後在猫的前方放置能投射出光影的布幕，时不时改变光线的角度，进而发现在不同状况下所激发的神经元会不同，甚至有些只对部分的图像有反应。因此就以这个为概念，创造出类神经网路。
　　其中有经过多次的变革，而造就目前最新的类神经网路架构，一般来说会有输入层(Input Layer)、隐藏层(Hidden Layer)、输出层(Output Layer)，输入层和输出层是可以被操作的，但是隐藏层就如同其名，使用者没办法修改，或对其调参数，只能靠机器经过一次次不断训练，修改成功。
　　下图是类神经网路架构示意图，通常输入层和输出层只会有一组，但隐藏层可以有很多组。此外，输入层和隐藏层每组不一定是3或2之类的，可以有很多个，就看设计者在不断测试之後，觉得哪个状态下效果最好，就用该设计。

　　另外对於每层会有不同的权重，就像前面例子所提到的，每个状况激发的神经元状态不同，甚至在特殊条件下才会有反应，因此要设定权重，表达这神经元影响此判断上的状况。接着看下图，这是当所有输入的资料乘上权重之後进行加总，再加上偏差，传入下一层中的一个神经元，直到每组中的每个神经元都计算完毕，会输出结果至输出层。
.
　　最後，权重和偏差不太一样，权重比较是针对神经元影响的幅度，而偏差是用来做最後的矫正，毕竟计算下来可能会与真实情况稍微有点落差，因此就可以用偏差来做调整。