神经网络基础（第一集）：基本预测模型与分类器模型

计算机在哪些方面表现突出？计算机能够持续不断地按照基础指令进行加法运算，且运算速度非常迅速。凭借这一强大的能力，计算机可以完成大量任务——例如，在互联网中通过数据通道将0和1传输至计算机，以重建视频帧的过程仅涉及若干加法操作，却使得用户能够在计算机上流畅观看网络视频。

人类在哪些方面具有优势？这一问题的答案并不容易界定——人类擅长的领域实在太多。我们不妨将人类与计算机进行对比分析。许多人类日常活动的基础都建立在识别能力之上——我们环顾四周，将眼前的景象纳入视野：左侧是一个杯子，右侧是一支笔，而面前则摆放着一本厚重的书——我们将这幅画面记录下来并传递给计算机，那么计算机是否能像人类一样辨识出这些物体呢？

这类任务对于计算机而言并不像播放视频那样简单——因为我们认为图像识别需要依赖于人类的智能。若要使计算机解决此类问题，则需要探索新的方法，并赋予机器一种“人工智能”。

接下来，我们将分阶段探讨这一议题，尝试运用一些基础的数学原理和易于理解的模型来应对图像识别方面的挑战。

1. 从一个简单的预测机中看神经网络的原理

当人类观察到某种形状时，大脑会经过一系列分析过程，并最终判断出该物体为杯子。我们希望计算机能够完成类似的任务，但计算机不具备思考能力，只能执行计算操作。因此，如果计算机能够实现物体识别等功能，其内部的运作机制应当