机器学习、深度学习和神经网络

深度学习的基础是神经⽹络，神经⽹络本质上是⼀种⽆须事先确定输⼊输出之间映射关系的数学⽅程。
深度学习的核⼼是神经⽹络，它可以被看作是由许多个简单的神经元组成的⽹络。

机器学习在理论上可以看作是统计学在计算机科学上的⼀个应⽤。在统计学上，⼀个⾮常重要的内容就是拟合和预测，即基于以往的数据，建⽴光滑的曲线模型实现数据结果与数据变量的对应关系。（有线性回归的味道）

BP神经⽹络（反向传播神经⽹络）是⼀种按误差反向传播（简称误差反传）训练的多层前馈⽹络，它的基本思想是梯度下降法，利⽤梯度搜索技术，以期使⽹络的实际输出值和期望输出值的误差均⽅差最⼩。

机器学习包含了神经网络这种技术，而深度学习则是神经网络的一种特殊形式或进阶版，它使用了深层神经网络来进行学习和预测。

通用人工智能”( ArtificialGeneral Intelligence, AGI)

1..254 | ForEach-Object {
    if (Test-Connection -ComputerName "192.168.1.$_" -Count 1 -Quiet) {
        Write-Output "192.168.1.$_ is up"
    }
}