本章講述了神經網路的起源與神經元模型，並且描述了前饋型神經網路的構造。
更多內容參考 機器學習&深度學習
在傳統的線性迴歸或者邏輯迴歸中，如果特徵很多，想要手動組合很多有效的特徵是不現實的；而且處理這麼大的特徵資料量，計算上也很複雜。
神經網路最開始起源於生物資訊中的大腦，在上世紀80-90年代的時候很火，後來就沒什麼訊息了。在神經網路中，充滿了下面的這種神經元，訊號從樹突中傳進來，經過細胞核，然後沿著軸突傳送出去。神經元彼此連線，就形成了神經網路。
下面是一個神經元的表示，增加一個x0固定為1，他的引數就是bias偏置項。啟用函式有很多種，最常用的是sigmoid函式。
下面是一個多層的神經網路，第一層是輸入層，第二層是隱含層，最後一層是輸出層。
所以最終的hθ的值是從前面每一個輸入和引數確定的
基於神經元系統可以表示AND等問題
多分類問題其實就是針對神經網路最後一層有多個輸出
