神經網路 是什麼？

Neural Network — 神經網路 的完整解釋

神經網路是模仿人類大腦神經元結構的機器學習模型，由多層節點（神經元）組成，透過加權求和與激活函數學習複雜的非線性關係

容易混淆

神經網路 vs 線性模型 神經網路：能學非線性關係 線性模型：主要處理線性可分問題 最關鍵的區別：先看它是在比什麼，再看它怎麼做。

神經網路 vs 決策樹 神經網路：以層與權重做表示學習 決策樹：以規則分裂做判斷 最關鍵的區別：先看它是在比什麼，再看它怎麼做。

記住這句就好

一層層抽特徵，最後拼成答案。

實際案例

影像辨識 底層先看邊緣，中層看局部形狀，高層才知道像不像貓。

文字分類 模型先看詞與詞的關係，再判斷這段話的主題或情緒。

算法與應用

神經網路由輸入層、隱藏層、和輸出層組成。 每一層都會做加權和與非線性轉換，讓模型能逼近複雜函數。 它的威力來自深層表示，但也因此更需要資料、算力、和良好的訓練方法。

情境判斷

Q1（直覺題）：你要做一個能看圖分類的模型，最常想到的核心元件是什麼？ → 神經網路，因為它能學多層特徵表示。

Q2（判斷題）：如果資料本身很少，神經網路一定會贏過簡單模型嗎？ → 不一定，資料少時簡單模型常更穩。

神經網路 在 iPAS 考試中的重點

根據歷年統計，神經網路 相關題目 屬於高頻考範圍。

常見問題

神經網路就是深度學習嗎？

不是，深度學習通常指更深、更大的一類神經網路。

它一定要很多層嗎？

不一定，層數少也可以是神經網路，只是表達力較有限。

它為什麼需要訓練？

因為權重不是手工規則，要靠資料學出來。