这段文字介绍了神经网络的历史、基本结构以及与生物神经网络的联系。

历史:

• 神经网络并非新事物，早在1940年代就已出现，但直到最近才真正发挥作用。
• 早期神经网络由于技术限制，几乎毫无用处。
• 2011年至2012年左右，深度学习和海量数据集的出现，使神经网络取得突破性进展。

基本结构:

• 神经网络由神经元组成，每个神经元包含树突、细胞核、轴突和轴突末梢。
• 神经元之间通过突触传递信息。
• 人工神经网络并非完全模仿生物神经网络，但从生物学中汲取灵感。

生物神经网络:

• 生物神经网络的结构和工作机制仍有许多未知。
• 人工神经网络只是对生物神经网络的模拟，并非完全等同。

总结:

这段文字简要介绍了神经网络的历史、结构以及与生物神经网络的联系，为后续深入学习神经网络理论和应用奠定了基础。

欢迎来到我们机器学习教程系列中的一个新部分：使用神经网络和 TensorFlow 进行深度学习。 人工神经网络是一种受生物学启发的机器学习方法，旨在模仿你的大脑（一个生物神经网络）。 人工神经网络，我将简称为神经网络，并不是一个新概念。 这个想法从 1940 年代就存在，并且经历了一些起伏，最显著的是与支持向量机 (SVM) 相比。 例如，神经网络在 90 年代中期流行起来，当时人们发现，SVM 使用一项对公众来说是新技术（这项技术本身在实际应用之前就已构思出来）——“核技巧”，能够处理非线性可分离数据集。 凭借这一点，支持向量机再次跃居领先地位，将神经网络甩在身后，直到大约 2011 年才出现转机，深度神经网络开始兴起并超越支持向量机，使用了新技术、海量数据集和更加强大的计算机。 https://pythonprogramming.net