哈囉大家好！！！！！
如果不只用一個感知器，而是用很多層感知器，那不就跟我們大腦一樣，有很多神經元組成，結合很多層感知器聽起來就會是一個很強大的模型。
如果我們要建立一個多層感知器的模型(也就是我們的神經網絡)，我們就不能使用線性函數，因為你可以找到一個線性函數結果和經過兩個線性函數的結果完全相同，所以我們要使用非線性啟動函數，像是sigmoid或tanh函數。
接著，人們發現sigmoid或tanh函數可能在訓練模型上產生困難，因此我們也會使用ReLU函數或ELU，可以加快訓練速度，讓梯度下降可以更快。
神經網絡會將前一層神經元的輸出做為下一層的輸入，到了最後一層再使用sigmoid啟動函數，讓範圍在0和1之間做二元分類器。
今天說完神經網絡，明天我將帶大家繼續認識ML的決策樹，那我們明天見～
iThome鐵人賽
看影片追技術