神经元，树突作为输入，多个神经元组成神经网络，可以自由构建不同的神经网络，作为CNN，RNN的基本神经元单位。

 深度学习模型机理：神经元的机理

x1

w1

x2               z=w1x1+w2x2+b 得到一个激活函数f(q) ，并能得到一个输出。

w2

b

通过神经元对值进行加权求和，并加上偏差，得到激活函数。

假如有4个输入（n），对应5个神经元（m），对应就有4*5有20个权重矩阵。实际上有5*1个偏差向量（b），最后得到对应5个输出结果。

4*n个向量（n=1），我们对应有5个，M*n=5*4的向量,对应第一层，则有：4*N，5*4的矩阵，得到M*1的向量，同样偏差向量有5*1，用传统处理速度慢，通过矩阵计算，可以解决速度慢的问题。

一层：M1*n（n=1） ，偏差b=M1*1，

二层：M2*M1，偏差b=M2*1

三层：M3*M2，偏差b=M3*1

依次类推，一层一层推导计算，并输出结果。

神经网络的应用：

1、二分类任务

2、多分类任务

3、回归问题