神经网络

计算机神经网络是一种模仿生物神经网络或者是动物的神经中枢，特别是大脑的结构和功能，它是一种数学模型或是计算机模型， 神经网络由大量的人工神经元连接进行计算，大多数情况下人工神经网络，人工神经网络能够在外界信息的基础上改变内部结构，是一种自己适应的逐渐的过程，现代神经网络是一种基于传统基础传统统计学建模的工具，常用来对输入和输出间复杂关系进行建模，或者来探索数据间的模式。

神经网络是一种运算模型，由大量的节点，或者是说神经元和之间的联系构成，正如人类神经系统中的神经元一样，他们负责传递信息和加工信息，神经元也可以被训练或者强化形成固定的神经意识形态对特殊的信息会有更强烈的反应。

神经网络是怎样被训练的？

1.需要很多数据，

计算机如何学习经验？对比预测答案和真实答案的差别，把差别反向传递过去，对每个神经元向正确的方向上改动一点点，到了下一次识别，通过所有改进的神经网络，计算机识别的正确率就可以被提高一点点，每一次的一点点累加上上千万次的训练，那就是向正确的方向上迈向了一大步，最后到了验收结果的时候，给计算机再次亮出猫咪的图片时，计算就会自信满满的告诉你者就是只猫。

2.计算机中每个神经元都有属于它自己的刺激函数，我们可以用这些函数给计算机一个刺激行为，当我们第一次给这个计算机看一只猫时，神经网络里只有部分神经元被激励或者是激活，被激活的神经元传递下去的信息是计算机最为重视的信息，也就是对输出结果最有价值的信息，如果预测的结果是一只狗，所有神经元的参数就会被调整，这时一些容易被激活的神经元变得迟钝，另外一些变得敏感，这就说明了所有神经元参数正在被改变，变得对图片中真正重要的信息敏感，这时被改变的参数就能渐渐预测出答案，也就是它是一只猫，这就是神经网络的过程和加工过程。