从神经网络到机器学习<sub>，</sub>谁都不是最后的解药
多层神经网络这一被明斯基和佩珀特所摒弃的、认为很有可能“不育的”带有扩展层的感知机，事实证明反而成了现代人工智能的基础。由于它是我在后续章节中描述的多种方法的基础，所以我在这里花一些篇幅来讲述这些网络是如何工作的。
多层神经网络<sub>，</sub>识别编码中的简单特征
网络是以多种方式相互连接的一组元素的集合。我们都对社交网络很熟悉，社交网络的元素是人，而计算机网络中的元素自然是计算机。在神经网络中，这些元素是模拟神经元，类似于我在前一章中描述的感知机。
在图2-1中，我画了一个简单的多层神经网络的草图，这个多层神经网络用于识别手写数字。网络由两列（层）类似感知机的模拟神经元（图中圆圈）组成。为了简单起见，我将使用“单元”而非“模拟神经元”这个术语来描述网络中的元素。与第01章中检测数字8的感知机一样，该神经网络有
02