摘要： 一、理想化神经元 1. 对事物建模，我们需要理想化它 1) 理想化会移除掉对理解主要原则并不必要的一些细节 2) 易于加入数学或迁移对其他事物建模的知识 3) 一旦理解了基本原则，也就容易在上面增加一些复杂的特征来完善模型 2. 理解一些“错误”的模型是有必要的，但是我们不能忘记它是错的 1) 比如神经元传输的是连续值，而不是离散值二、一些简单的神经元模型 1. Linear neurons 2. Binary threshold neurons 3. Rectified Linear Neurons 4. Sigmoid neurons 5. Stoch... 阅读全文