人工神经网络靠的是正向和反向传播来更新神经元, 从而形成一个好的神经系统 本质上, 这是一个能让计算机处理和优化的数学模型 而生物神经网络是通过刺激, 产生新的联结, 让信号能够通过新的联结传递而形成反馈
神经元及其间的联系 多层神经元的传递----逐步理解 01变换
海量数据–看图并给出答案（初始化）–积累错误的经验（对比预测答案与真实答案的差别）–反向传播、不断提升正确率
激励函数–不断修正神经元参数（根据预测正确和失误两种情况，或增或减，使神经元变得敏感或迟钝）
optimization–优化问题 cost–误差 局部最优和全局最优
feature–特征 代表特征的转化（深度理解） 迁移学习（输出层接入其他网络，在原有特征理解能力的基础上，进一步分析）
不断进步地去模拟需要的曲线
