问题描述
桌面上放了一个水果，我们一眼就能分辨出是苹果还是橘子，机器可办不到。机器们只能通过传感器来观测水果的特征，如：形状，纹理和重量。如果水果很圆传感器输出 1，很扁输出 -1；水果表面很光滑输出 1，很粗糙输出 -1；重量接近 300g 输出 1，接近 150g 输出 -1。
当机器看到一个水果时，它看到的是：
所以一个优秀的苹果（圆形，光滑，300g）可以表示为：
一个优秀的橘子（圆形，粗糙，150g）可以表示为：
当然，一个大众脸苹果（不是很圆，有点糙，略小）可以表示为：
定义了机器看到的数据，是时候教育机器他看到的水果哪些是苹果、哪些是橘子。于是教练大头买了一车苹果和一车橘子并堆在一起，一边拿水果给机器看，一边告诉机器是什么水果。
大头累个半死，却仅仅让机器见识了一半，好在机器这时已经不用大头教他就知道是苹果还是橘子，因为他看了这么多水果，已经记住大头的教导了。
但是一个机器是怎么记得这件事的呢？这就是神经网络要做的事了。
参考文献：
[1]. Hagan M T, Demuth H B, Beale M H, et al. Neural network design[M]. Boston: Pws Pub, 1996.
