本文探讨了从函数到神经网络的发展过程。首先介绍了符号主义与联结主义的思想差异：早期AI追求精确函数描述，而现代AI接受近似解。随后重点讲解了激活函数的作用，通过引入非线性（如Sigmoid、ReLU等）使神经网络能够拟合复杂模式。文章阐述了神经元的工作原理及其分层连接形成的神经网络结构（输入层、隐藏层、输出层），说明通过前向传播和参数优化（调整权重w和偏置b）来逼近目标函数。最后指出神经网络本质是