一、什么是神经网络
在高中生物中我们学过，大脑由无数个神经元组成，神经元彼此之间通过突触来连接。神经元由细胞体（对传入信息进行分析处理），树突（将上一个神经元的信息传递给细胞体），轴突（将细胞体处理好的信息传递给下一个神经元）组成。神经元有两种状态：兴奋和抑制。神经元接收到的刺激信号累积达到某个阈值时，就会进入相应的状态，产生信号并传递给其他神经元。
在这里我们进行类比，将细胞体当做激活函数f（对传入信息进行非线性转换，使得模型能够做更复杂的决策），将突触看作权重w（突触连接的强弱决定信号传递的效率，而权重的大小则控制输入信息的重要程度，网络通过不断学习调整权重，实现知识与经验的存储），阈值看作偏置b（决定模型在何种情况下被激活）。
现在我们来对一次神经网络过程进行阐述：
首先数据x进入输入层，每一层的神经元中，将接收到的信息与权重w相乘并求和，在加上偏置，得到净输入，净输入在激活函数的作用处理下，生成该神经元的输出，然后这样逐层传递重复，最终由在输出层输出预测结果
可将上述过程转化为神经元数学表达式a=f(w*x+b)
综上，神经网络的过程类似生物神经元的信号传递和处理机制，权重控制传递信息的重要程度，偏置用来表示模型在达到某个点时激活阈值，激活函数可实现非线性转换，实现更多更复杂的决策
