由于神经网络内容有点儿多，所以在此处建立以下目录，方便读者浏览。
简介
神经细胞和人身上任何其他类型细胞十分不同，每个神经细胞都长着一根像电线一样的称为轴突（axon）的东西，它的
长度有时伸展到几厘米，用来将信号传递给其他的神经细胞。神经细胞的结构如下图所示。它由一个细胞体(soma)、一些树
突(dendrite) 、和一根可以很长的轴突组成。神经细胞体是一颗星状球形物，里面有一个核(nucleus)。树突由细胞体向各个
方向长出，本身可有分支，是用来接收信号的。轴突也有许多的分支。轴突通过分支的末梢(terminal)和其他神经细胞的树突
相接触,形成所谓的突触(Synapse), （图中未画出），一个神经细胞通过轴突和突触把产生的信号送到其他的神经细胞。
正是由于数量巨大的连接，使得大脑具备难以置信的能力。尽管每一个神经细胞仅仅工作于大约100Hz的频率，但因各
个神经细胞都以独立处理单元的形式并行工作着，使人类的大脑具有下面这些非常明显的特点：
能实现无监督的学习
对损伤有冗余性(tolerance)
处理信息的效率极高
善于归纳推广
它是有意识的
因此，一个人工神经网络( Artificial neural network, ANN）简称神经网络（NN)， 就是要在当代数字计算机现有规模的
约束下，来模拟这种大量的并行性, 并在实现这一工作时，使它能显示许多和人或动物大脑相类似的特性。
神经网络原理
神经网络是一种非线性学习算法，神经网络中最基本的成分是神经元（neuron），下面给出神经元的基本模型：
进入人工神经细胞的每一个样本特征xi都与一个权重θ相乘，作为图中橘色大圆的输入。橘色大圆的“核”是一个激励函数，
它把所有这些新的、经过权重调整后的输入全部加起来，形成单个的激励值。然后，激励函数根据激励值产生输出。激励函数有
好多种类型，常见的有以下几种：
介绍完神经元的基本模型，接下来介绍的是神经网络的基本模型：
上图中并未画出x0和a0，其值一般取+1，θ10(1)和θ20(2)分别是它们的权值。上图中的三个层次分别是输入层、隐藏层、输
出层，其实现的整个过程如下列公式所示（其中g()即为激励函数）：