上回我们说到，承载机器学习算法的载体，是人工神经网络。
我们所要实现的“AlphaCoin”，是这样的：
输入某个币的k线走势，我们希望这个函数能告诉我们，接下来到底它是涨？还是跌？
而这个函数的形式，正是人工神经网络。
我们先看人类的神经元是怎样的：
如图，每个神经突起接受神经冲动，经过神经细胞的处理后，传到下一个神经元。
人们从中得到启发，构建了人工神经元的结构：
如图是一个基本的神经元模型,它具有R个输入,每个输入都通过一个适当的权值ω与神经元相连接,神经元的输出可以表示成下式 a = f( ω * p ,b)
由这一个个神经元连接组成的网络便是人工神经网络：
如图所示是神经网络的基本结构，网络通常有一个输入层,一个输出层和位于输入层和输出层之间的隐含层,隐含层可以有一层或者多层。在隐层中的神经元也称隐单元。隐含层虽然不和外界直接连接,但是它们的状态会影响输入输出之间的关系。这也就是说,改变隐含层的权系数,可以改变整个多层神经网络的性能。
因此我们所要实现的“AlphaCoin”，将有以下的结构：
今天的人工神经网络就给大家介绍到这里，下一节，我们将为大家介绍机器学习算法的具体分类。
早赞声明：为方便早赞、避免乱赞，“BH好文好报群”为点赞者、写作者牵线搭桥，实行“先审后赞、定时发表”的规则，也让作品脱颖而出、速登热门！加群微信：we01230123（天平）。
