昨天我們逛了機器學習村和深度學習村，今天要更進一步，走進深度學習的「核心工坊」，看看一切的基石 —— 神經元 。
就像冒險遊戲裡的「角色屬性點」，神經元是最小的單位，無數個神經元串起來，才形成整個強大的網路。

一、什麼是神經元？

在生物大腦裡，神經元會接收訊號（電位）、處理後，再把訊號傳給其他神經元。
人工神經元 (Artificial Neuron) 受到這個啟發，被設計成：

輸入 → 加權 → 加總 → 激活 → 輸出

公式： y = f(w1x1 + w2x2 + … + wnxn + b)

• x：輸入值（像裝備屬性）
• w：權重（每個屬性的加成值）
• b：偏置（調整輸出基準）
• f：激活函數（決定輸出如何變化，例如 ReLU、Sigmoid）
• y：輸出結果（最後的判斷或特徵）

二、激活函數的角色

如果沒有激活函數，神經網路不管疊多少層，效果都只是一個線性函數。
激活函數就像遊戲裡的「技能特效」，能讓模型學習到非線性的複雜模式。

常見激活函數：

Sigmoid：輸出 0~1，常用於二分類

ReLU (Rectified Linear Unit)：大於 0 就輸出，否則為 0，是目前最常用的技能

tanh：輸出 -1~1，適合需要對稱的情境

三、神經元怎麼串成網路？

一排神經元 = 一層 (Layer)

多層疊加 = 神經網路 (Neural Network)

層數越多，能學到的特徵越複雜