今天要接續昨天講解的深度學習，在昨天講解都是以單一接收神經元的資料，今天要來講解如何以矩陣運算模擬多個神經元傳輸，如下圖：

公式：

深度學習有相當多學習方式，像是Multilayer perceptron(MLP)、Backpropagation...之後會繼續詳細介紹，並結合今年相當常聽到又好用的Tensorflow、Keras模組範例。

• Multilayer perceptron(MLP)
  多層感知器在語音辨識、圖像辨識...等多個領域應用，相當普遍，其流程如下：

圖片引用SKlearn：https://scikit-learn.org/stable/modules/neural_networks_supervised.html

根據上圖，可以很清楚明白，MLP就是以模擬神經網路來實作的

1. 將特徵點(X)輸入
2. 建立輸入層與隱藏層：
3. 中間經過1層或多層隱藏層，將特徵值從新運算
4. 建立輸出層與隱藏層：

• Backpropagation
  反向傳播演算法，是一種監督式學習，必須輸入特徵值與真實的值來做訓練。簡單來說就是"從錯誤中去學習"，以上圖來講解，就是透過function(x)回傳的確認值，將資料回傳至隱藏層從新運算，修正至最正確的解答。