深度学习是机器学习的一个分支，通过多层神经网络自动学习特征，解决复杂非线性问题。其核心由神经元、层和激活函数构成，其中激活函数引入非线性能力，使网络能处理复杂任务。训练过程包括正向传播计算预测值、损失函数评估误差、反向传播计算梯度，以及参数更新优化网络性能。层间交互通过反向传播自动调整参数实现特征深化，最终目标是使损失函数最小化。网络设计需平衡神经元数量，避免欠拟合或过拟合，通常采用2的幂次以提高

题目为leetcode的热题100.仅作学习用，且题目为节选。