開始說明如何排列神經元之前，讓我們先簡單介紹人腦如何處理眼睛看到的影像訊號。之後提到的神經網路就是模仿這個過程。
以貓和狗的影像為例，具體說明神經元在看到貓和狗時，是如何分辦兩者的差異。假設現在有貓或狗的影像進入視野。此時，眼睛上的感覺細胞，也就是視網膜上的視細胞會接收到相應的光線。視細胞會將光線轉換成神經特有的訊號，接著這個訊號會被送到腦細胞進行分析。然後大腦再藉由分析結果判斷「這是狗」或「這是貓」。簡單來說，處理的步驟為：
（處理）感覺到來自貓的光線→用大腦分析→判斷這是貓
聽起來好像過於簡化，但令人意外的是，這種簡化的過程反而是成功的捷徑。
為了分辨出狗和貓，我們需要將機器人排列起來。我們可以模仿大腦的影像處理方式，將神經元分成「輸入層、隱藏層、輸出層」等三層結構。層與層之間以箭頭連接，這就是神經網路的一個例子。
實際運用的深度學習中，神經元的層數非常多，不過基本上還是可以視為這種三層結構。若能理解這種三層結構，之後碰到實際上複雜的應用時會輕鬆許多。
iThome鐵人賽
看影片追技術