我們講完了兩種神經網路的應用，分別為卷積神經網路CNN和循環神經網路RNN，讀者們應該可以稍微了解神經網路的運作了吧！

神經網路之所以會叫做神經網路是因為，他的概念就是取自於人類中樞神經網路的觀察，希望能夠透過模仿人類神經網路的運作來移植到資料科學之上。我們所建立的模型中的每一層的節點就是代表著人類的神經元，而權重就是神經突觸負責傳導訊息。

圖片來源：https://zh.wikipedia.org/zh-tw/%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C

上途中的a即代表輸入的各個值、w為各自的權重，之後做總和後會經過f，也就是傳導函式，最後才會形成一個輸出。而這個輸出可能是結果，也可能是下一層神經網路的其中一個輸入值。

如果只有一層就是單層神經網路。

圖片來源：https://zh.wikipedia.org/zh-tw/%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C

若是如此反覆疊加形成一個多層的神經網路，就是多層神經網路。我們之前所做的卷積神經網路模型(CNN)以及循環神經網路模型(RNN)也是運用這樣的概念去運作的。

圖片來源：https://tex.stackexchange.com/questions/540358/center-multiple-outputs-on-output-layer-of-neural-network-tikz-diagram