神经网络的Python实现（一）了解神经网络_神经网络实验基于numpy设计一个包含输入层、隐含层和多分类输出层的前馈神经网络,

网络上深度学习相关博客教程质量参差不齐，很多细节很少有文章提到，所以本着夯实深度学习基础的想法写下此系列博文。

本文会从神经网络的概述、不同框架的公式推导和对应的基于numpy的Python代码实现等方面进行干货的讲解。如有不懂之处欢迎在评论留言，本人也初学机器学习与深度学习不久，有不足之处也请欢迎我联系。：）欢迎浏览我的个人博客

推荐书籍与视频教程：
《机器学习》–周志华
《Deep learning》–Ian Goodfellow、Yoshua Bengio 和 Aaron Courville
李宏毅深度学习视频课程-youtube Bilibili

---

神经网络

神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。

神经网络最基本的组成是神经元模型，每个神经元与其他神经元相连，神经元接受到来自 $n$ 个其他神经元传递过来的输入信号，这些信号通过带有权重的连接进行传递，神经元接收到的总输入值将于阈值进行比较，然后通过“激活函数”处理产生输出。把许多神经元按一定层次结构连接起来就得到了神经网络。

感知机模型

感知机模型(Perceptron)由两层神经元组成，分别是输入层与输出层。

感知机模型是最为基础的网络结构，其计算形式如下

$$y=f($$