AI讲座：神经网络的空间对应

高焕堂

1 神经网络的含义

人工神经网络（Artificial Neural Network）是一种模仿人类头脑处理信息方式的数学模型。这种人工神经网络（简称NN）的基本单元是神经元（Neuron），各个神经元与其他神经元互相连结在一起，一个神经元会受到多个其他神经元状态的冲击，也会将冲击传递给其他神经元。我们把人类头脑里的神经元简化成一个圆圈，而以箭号来表示冲击的传递。

这些神经元都位于层（Layer）中，最典型的神经网络模型包含三个部分：输入层（Input Layer）、隐藏层（Hidden Layer）和输出层（Output Layer）。其值（信息）从输入层的神经元传播到隐藏层的神经元，最终從输出层的神经元输出结果（Y）。如下图：

2 空间对应与神经网络

在本文里，将用神经网络图形来表达空间对应之关系，以及X*W+B=Y的计算过程。例如，再上一期介绍过的简单空间对应关系（如下图）。请按下“寻找W&B”。这个NN模型就迅速找出W和B值，如下：

此NN模型找出来了W值是：2，而B值是：1。搭配 X*W + B = Y 公式，就可以掌握、记住上述的相关性（即规律性）了。于是，目前已知X、W和B值了，就带入这个公式，如下图：

现在，就画上神经元的图形，来表示X*W + B = Y公式。如下：

如此就能轻易实现深度学习中多层次的空间对应了。