概念Neural Network / 卷积神经网络
神经网络
神经网络是一种受生物神经系统启发而构建的计算模型，由大量相互连接的节点（神经元）按层次结构组成，通常包括输入层、隐藏层和输出层。其核心机制是通过调整节点间的连接权重来学习数据中的规律，能够完成分类、回归、模式识别等任务。神经网络是机器学习的重要分支，也是深度学习的基础框架。
核心事实
时间轴 (近 90 天)
8月27日
神经网络存在对抗样本脆弱性，微小的人类不可察觉的输入扰动可能导致模型输出剧烈变化
待验证50%
8月26日
贝叶斯方法在20世纪90年代曾被神经网络热潮边缘化，但其理论价值在后来的深度学习不确定性量化中得到重新认可
待验证50%
7月16日
神经网络的每一层执行线性变换（矩阵乘法加偏置向量），随后施加非线性激活函数（如 Sigmoid 或 ReLU）
待验证50%
7月14日
深度学习是机器学习的一个子领域，核心是多层人工神经网络，思想最早可追溯至1940年代
已验证65%
6月2日
底层的机器学习和深度学习算法基础十几年来并没有本质变化，核心都是神经网络体系
待验证60%