神经网络的架构

神经网络分为：输入层、输出层、中间层(hidden layer)

输入层： 每个特征作为一个输入神经元。 取值为[0,1] 输出层： 输出值为(0,1) 输出值 < 0.5代表否 输出值 > 0.5代表是 中间层： 中间层的设计需要要一些技巧，如果网络深度与训练时间之间的平衡。 本书后面会这个话题。

feedforward神经网络：这一层的输出是下一层的输入，中间没有循环 recurrent(复发的)神经网络：网络中有循环。这种情况下的神经元只在特征条件下才会fire。

recurrent不如feedforward有影响力。但recurrent更接近大脑的工作方式。 本书仅讲解feedforward神经网络。