如果您正在尋找人工神經網路（ANN）的教程， 您可能已經有了一些關於他們是什麼的知識， 以及他們能做什麼。 但是你知道神經網路是新興和激動人心的深度學習的基礎嗎？
深入學習是機器學習的領域， 正在通過Go和Poker打敗玩家， 加快藥物開發和協助自駕車， 從而獲得了許多最先進的進步。
如果這些類型的尖端應用激發你喜歡它們的興趣， 那麼你將很有趣的學習盡可能多的深入學習。 然而， 這需要你非常瞭解神經網路如何工作。 本教程文章旨在説明您儘快達到神經網路的速度。
在本教程中， 我將介紹一些概念， 代碼和數學， 使您能夠構建和理解一個簡單的神經網路。 一些教程只關注代碼並跳過數學， 但這阻礙了理解。
我會盡可能慢的， 但如果需要， 可能有助於刷新您的矩陣和微分。 我們主要用Python語言實現， 所以如果您對Python的工作原理有基本的瞭解，
至此之前， 你需要掌握如下的知識。
1 什麼是人工神經網路？
2 ANN的結構
2.1人造神經元
2.2節點
2.3偏置
2.4整理結構
2.5符號
3前饋傳遞
3.1前饋示例
3.2我們首次嘗試前饋功能
3.3更有效的實施方案
3.4神經網路中的向量化
3.5矩陣乘法
4梯度下降和優化
4.1代碼中的一個簡單示例
4.2成本函數
4.3神經網路中的梯度下降
4.4二維梯度下降示例
4.5深度反向傳播
4.6傳播到隱藏層
4.7反向傳播的向量化
4.8實現梯度下降步驟
4.9最終梯度下降演算法
5在Python中實現神經網路
5.1縮放資料
5.2創建測試和訓練資料集
5.3設置輸出層
5.4創建神經網路
5.5評估訓練有素的模型的準確性