Networks
多层感知机
不是说这个神经网络要与人的大脑神经完全相似，也不是说要多么的强大，而是在一定程度上模拟了人脑神经元的能力，就足够了
为什么要w0呢，因为没有w0超平面一定会经过原点，所以w0和x0是很重要的。
一个样本相当于知错就改
理解公式背后的含义，学习率控制每次修改的幅度，很多公式之间都有相似的共性。小的学习率比较稳健。
感知机不能解决线性不可分问题
把复杂的问题分解成简单的问题
sigmoid便于求导
t是期望输出，o是实际输出。
要把公式连在一起，不要以为这些公式都是天上掉下来的，一个公式接着一个公式，那样的话脑子会炸掉的，与感知机的很相似，多了一个东西 sigmoid求导 感知机是线性 求导等于1
输出层神经元，知道误差，计算很简单。隐含层神经元不知道期望输出是多少。2个人做事，直接做事的人责任是很容易认定的，我不是直接做事的人。
张三李四都是我派出去的，那么责任都由我承担，反馈给我，反馈回来。但是并没有这么简单。如果张三和我关系特别好，听我话，李四不太听话，除了反馈回来，还要乘以哦权重。
误差信息传回来再乘以权重，相当于关系或者说影响力。