昨天有講解機器學習、深度學習、人工智慧的關係介紹，今天我們來深入介紹深度學習的運作原理吧。深度學習主要是機器學習的分支，基於機器學習的演算法，延伸發展出人工神經網路，人藉由感知(手、眼睛、耳朵、口...)，將感受到的訊息藉由「神經」，傳遞給大腦做判斷，將大腦所做的判斷藉由神經，傳達至器官上；人工神經網路運作流程如下圖：

深度學習是機器學習(Machine learning)的一個分支，希望把資料透過多個處理層(layer)中的線性或非線性轉換(linear or non-linear transform)，自動抽取出足以代表資料特性的特徵(feature)。

引用於周秉誼 / 趨勢科技 技術經理：http://www.cc.ntu.edu.tw/chinese/epaper/0038/20160920_3805.html

根據前面的講解，可以大致的了解，深度學習的類神經網路學習，是模仿人類的神經網路，我們以下圖來講解模擬的過程，而深度學習是如何轉換成數學公式來運作：

上圖，X1、X2、X3分別代表接收到訊息的神經元，將各個收到的資料呈上各個資料的權重，將總成B1，要將彙整好的B1資料就需要activate function來模擬神經元傳導，而常見的activate finction通常為非線性函數，例如：sigmoid、relu(Rectifier Linear Unir,ReLU)

圖片引用於：https://cdn-images-1.medium.com/max/1600/1*XxxiA0jJvPrHEJHD4z893g.png

依據上圖我們可以看到sigmoid function，當Z值大約 Z<(-6)和Z>(4)時，sigmoid(z)為處於'0'/'1'，資料只有在Z值為-6~4之間，才會有反應，這就好像人體的神經一樣，當周遭的味道沒有這麼厚重的時候，感官傳遞給大腦的資訊為沒有味道(Z<-6)，當人體改覺到周遭的味道時(Z值為-6~4時)，神經傳遞給大腦的資訊開始有了變化，當氣味越來越重，時間越來越久，大腦就會習慣處在這個環境下Z>(4)。