神经网络与激活函数详解：从结构到非线性核心

神经网络是一种模拟人脑神经元连接的计算模型，借助多层结构实现复杂模式识别。本文将带你系统理解神经网络的基本组成、激活函数的关键作用，以及为何必须使用非线性函数来构建深层网络。

一、神经网络的结构

上图展示了一个典型的神经网络架构，其中的各层分工如下：

• 第0层是输入层，负责接收原始数据（例如图像像素值、特征向量等）。
• 最后一层是输出层，输出最终预测结果（如分类概率或回归值）。
• 中间层（第1层、第2层）称为隐藏层或中间层，负责特征提取与非线性变换。

重要概念：上图网络虽然呈现了3层神经元（输入层+两个隐藏层？实际上输入层是否计入层数？原文指出“3层神经元”，但仅有两层权重，因此称为两层网络。网络层数通常按有权重的层进行计数。