一、神经元：

1. 神经元是组成神经系统的基本单位，由大量突触连接构成，它可以收集到输入信息并做出相应的反应。

2. 神经元可以处理非常复杂的信息，通过激励和反射，一个神经元可以结合其他神经元构成一个神经网络。

二、神经元网络：

1. 神经元网络是由大量神经元相互连接而构成的复杂的系统。

2. 这种复杂的系统可以模拟人类的认知行为，特别适合用于复杂的学习任务。

3. 神经元网络模型一般会有输入层、隐藏层和输出层组成，最常用的神经网络有多层感知器网络、回归网络和因果网络等。

三、激活函数：

1. 激活函数是神经网络的一种技术，用于决定输入信号是否传递给下一层神经网络。

2. 常见的激活函数有Sigmoid、ReLu、Tanh、Softmax等。

四、损失函数：

1. 损失函数是用来衡量神经网络的预测结果与实际结果之间的偏差的一种方法。

2. 常见的损失函数有交叉熵、均方误差和平均绝对误差等。

五、优化算法：

1. 优化算法是一种用于调整神经网络权重和偏差参数以提高网络训练效果的算法。

2. 常见的优化算法有梯度下降法、随机梯度下降法、Adam算法、RMSProp算法等。