什么是神经网络？
人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），通俗来讲，神经网络是在模仿动物神经网络而构成的算法数学模型。
它由三部分组成：输入层、隐藏层、输出层
我们可以把这三者简单粗暴地理解成一个二元一次方程：
Y=aX
其中Y=输入层；a=隐藏层；X=输出层
光构建了模型是没有用的，因为这个模型里，X、Y、a都是未知量，所以在最开始，这个神经网络就如一个新生儿，什么都不懂也不会，如果这时，我们给定：
X=1
Y=2
那么，据此可以求解a=2.
B站上有个很好的视频：https://space.bilibili.com/88461692/#/ 深入浅出解释了神经网络数字图像识别
这个求解a的过程，就是机器学习。
a值其实描述成“套路”比较恰当，它的意义就在于重新给定任务Y后，机器都能根据Y值和从经验中学习到的“套路”，展现出最后的X。
是不是特别简单粗暴？事实上这种神经网络系统简直复杂到没朋友，X Y a都是矩阵，隐藏层a也不止一层，内部节点之间的链接关系都是变量，学习的过程需要调整内部大量节点之间相互连接的关系，达到处理信息的目的。试想，如果求解一个有几百万变量的方程，那么你需要联立几百万个方程组再进行求解，更何况一个几百万变量的线性代数方程。
PS：引用自https://www.sohu.com/a/213319568_100090937