人工神经网络(ann) 模拟的是 生物神经网络(bnn)
ann 一般也叫 前馈型神经网络 ： 各神经元只接受前一级输入，并输出到下一级，无反馈 也有循环型神经网络
ann一般使用bp(back-propagation 后向传播) 学习方法，来学习每一个神经元的 w参数和增强信号b，不断迭代，有监督学习，使得期望输出和实际输出差距越来越小
前馈型神经网络属于深度神经网络，但是深度神经网络还包括：递归神经网络，卷积神经网络（cnn，在图像和语音识别方面应用很广）
n层神经网络，一般包含n-1个隐层，一般说第几层，就是第几个隐层
输入层和最终的一个输出神经元 + n-1个中间隐层 = n层神经网络
隐层是相对于输出层；
感知机就是一个神经元
两层神经网络就可以模拟 异或XOR 这种非线性逻辑运算
每个神经元包含：
信号函数：s = P1W1 + 。。。PnWn + b
对于输入P1-Pn 有对应的W1-Wn，以及一个增强信号b
传递函数：f(s) 有很多种，阶梯函数，符号函数，线性函数 等等