神经网络是一种模拟生物神经系统的计算模型，由多个节点（神经元）通过加权连接组成，能够通过调整权重来学习数据中的模式。
神经网络的基本结构
- 输入层：接收外部数据。
- 隐藏层：处理数据，可以有多层。
- 输出层：生成最终结果。
每个神经元接收输入，进行加权求和并通过激活函数处理，产生输出。
神经网络与深度学习的关系
深度学习是机器学习的一个分支，主要使用深层神经网络（即包含多个隐藏层的网络）来学习复杂的数据模式。
- 神经网络：是深度学习的基础模型。
- 深度学习：通过增加网络层数和参数，提升模型的表现能力。
关键点
- 神经网络：是基本计算单元。
- 深度学习：利用深层神经网络解决复杂问题。
总结来说，神经网络是深度学习的核心工具，深度学习通过增加网络深度来提升模型性能。
