神经网络

摘要:

 

      人工神经网络(Artificial Neural Network，ANN)，是由大量处理单元(即神经元Neurons)广泛连接而成的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特征。人工种经网络的研究是从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是根值于神经科学，数学．统计学、物理学、计算机科学及工程等学科的一种技术[1]。人工神经网络是计算智能和机器学习研究中最活跃的分交之一。

作为动态系统辨识、建模和控制的一种新的、令人感兴趣的工具，人工神经网络（Artificial Neural Networks,ANN ）提供了一种普遍而且实用的方法从样例中学习值为实数、离散值或向量的函数。像反向传播（BACKPROPAGATION）这样的算法，使用梯度下降下来调节网络参数以最佳拟合由输入—输出对组成的训练集合。ANN学习对于训练数据中的错误健壮性很好，且已被成功的应用到很多领域，例如视觉场景分析、语音识别以及机器人控制等。

神经网络学习方法对于逼近实数值、离散值或向量的目标函数提供的一种健壮性很强的方法。对于某些类型的问题，如学习解释复杂的现实世界中的传感器数据，人工神经网络是目前知道的最有效的学习方法。例如，反向传播算法已在很多问题中取得了惊人的成功，比如学习识别手写字符、学习识别口语、学习识别人脸等。