第1章 绪论

神经网络与深度学习（Neural Network and Deep Learning）是人工智能研究的重要领域，是机器学习的重要组成部分。神经网络源自模拟类脑计算，人脑神经系统是一个由生物神经元组成的高度复杂网络，是一个并行的非线性信息处理系统。人工神经网络系统由人工神经元和神经元之间的连接构成，一方面，接受输入层的外部信息，经过隐藏层对信息特征进行加工、处理，最终得到初始信息的语义表示；另一方面，通过输出神经元将分类或可预测的特征信息输出。由于人工神经网络模型结构可以非常复杂，信息传递路径较长，更有利于特征的自动组合和抽象，并且它也用有限的采样数据通过复杂的算法模型总结出一般性的规律，即知识。因此，复杂神经网络的学习可以看作深度机器学习。

神经网络与深度学习属于相交关系，即深度学习可以采用神经网络，也可以采用其他模型，如强化学习、概率图模型等。神经网络既可以是浅层网络，又可以是深层复杂网络（称为深度学习）。但神经网络模型更好地解决了贡献度分配问题（Credit Assignment Problem，CAP）。神经网络借助其特有的特征强组合、超参数等优势，在通用人工智能的推理、决策和学习方面发挥了重要的作用。

本章主要介绍神经网络与深度学习在人工智能领域的基本概念和基础知识。