神经元组装神经网络之后，网络的输入和输出都变为连续的了，也就是说，当我们对某个参数的值进行微小的改变的时候，它的输出也只是产生微小的改变。这样就使得逐步调整参数值的训练成为可能。

在历史上，很多研究人员曾经也做过尝试，ichael nielsen的书《neural orks and deep learng》这中也曾经提到过这个例子。

这个神经网络只有一层隐藏层，属于浅层的神经网络shallo neural orks。而真正的深度神经网络deep nerual orks，则会有多层隐藏层。

神经元系统采用了左右脑半球的设计方式进行设计和制造。

最右侧则是输出层output yer，有10个神经元节点，分别代表识别结果是0，1，2，，9。当然，受sigoid函数σz的限制，每个输出也肯定是01之间的数。

那我们得到一组输出值之后，哪个输出的值最大，最终的识别结果就是它。

而在训练的时候，输出的形式则是：正确的那个数字输出为1，其它输出为0，隐藏层和输出层之间也是全连接。

神经网络共的权重参数有78415+151011910个，偏置参数有15+1025个，总共参数个数为：11910+2511935个。

这是一个非常惊人的数字。 『加入书签，方便阅读』