第11章　神经网络结构及Sigmoid函数

现在人工智能主流的框架是TensorFlow和PyTorch，PyTorch在学术科研界有超越TensorFlow的趋势。盘古人工智能框架吸取了TensorFlow与PyTorch框架的精髓，其实用性和功能不低于二者。

本章主要讲解以下内容：

（1）神经网络实现与非门。

（2）神经网络为什么能够完成各类计算？

（3）神经网络的结构解密。

（4）Sigmoid函数背后的设计和实现密码。

从本质上，深度学习是革命性的技术。可能有些读者有一个不太严谨的看法：深度学习是机器学习的一个分支，没必要付出那么大的精力。这个说法是错的，人工智能之所以爆发式流行，最大的功臣或做出杰出贡献的就是基于神经网络的深度学习。阅读本章结束后读者将有三个收获：一是我们将从理性的、直觉的、数学的角度理解神经网络为什么能完成各类计算。二是神经网络深度学习为什么需要各种激活函数（主要谈Sigmoid激活函数）。三是本章我们将看到很多不同类型的深度学习算法，读者将会发现深度学习值得花很大的精力去学。