1800s Linear Regression、1940s Perceptron、1960s Neural Networks
1800年誕生了線性回歸(Linear Regression)，受限於計算能力並不知道它對大量數據所具有的影響，但當時還有用來預測星球位移的功能呢
1940年的感知機(Perceptron)，其特性其實向神經元一般，特性就是它會有激發或不激發一分為二的概念，是為後續鋪路的基礎元件
1960年的神經網路(Neural Networks)，剛剛是只有一層(layer)的感知機，何不用更多呢?然而單純的增加層數並沒有效果，因為感知機的表現是線性的數學模型，實際上只單純增加數量只會讓線性的特性使其全部壓縮或講疊加再一起，我們需要非線性的數學引入之後結合層數增加得到神經網路
iThome鐵人賽
看影片追技術