这章内容里非常多的数学公式，不过我个人觉得完全没必要记，一方面是许多都是我们之前的老朋友，另一方面神经网络的结构就像是这些公式可视化结果。学到这里笔者不得不感叹一下，虽然NLP的数学计算不少，但是真到写程序的时候也就是调用一个库函数的事情，所以哪怕你数学底子不好也没关系，你只要记住一些结论，并且跟着公式大概了解一下怎么得出来的就行。深层神经网络能通过激活函数实现许多非线性变化，这给非线性特征学习提供了解决方案，它由此突破了传统机器学习依赖手动特征设计的局限，能自己从文本中提取特征，为文本数据的智能化处理提供了强大支撑。
摘要：神经元，前向神经网络，Softmax函数，深层网络符号表示，深层网络训练，计算图，反向传播，神经文本分类，神经语言模型(LMS)
