神经网络是一种计算学习系统，它使用一系列函数网络来理解并将一种形式的数据输入转换为另一种形式的期望输出。这种人工神经网络的概念是受到人类生物学和大脑中神经元协同工作方式的启发。简而言之，神经网络是一组算法，它们试图通过一个受人类大脑/生物学启发并类似其工作过程的方式来识别数据中的模式、关系和信息。
神经网络的组成部分/架构
一个简单的神经网络由三个部分组成：输入层、隐藏层和输出层。输入层也被称为输入节点，是模型从外部世界接收的输入/信息，用于学习和得出结论。输入节点将信息传递给下一层，即隐藏层。隐藏层是一组神经元，对输入数据进行所有计算。神经网络中可以有任意数量的隐藏层。最简单的网络由一个隐藏层组成。输出层是模型从所有计算中得出的输出/结论。输出层可以有一个或多个节点。如果有一个二元分类问题，输出节点是1，但在多类分类的情况下，输出节点可以超过1个。
感知器与多层感知器
感知器是神经网络的一种简单形式，由一个单层组成，其中进行所有的数学计算。而多层感知器，也称为人工神经网络，由多个感知器组成，形成一个多层神经网络。在上述图像中，人工神经网络由四层相互连接的层组成：一个输入层，有6个输入节点；隐藏层1，有4个隐藏节点/4个感知器；隐藏层2，有4个隐藏节点；以及一个有1个输出节点的输出层。