什么是人工神经网络(Artificial Neural Network)？

人工神经网络是一种试图模仿人脑的计算机技术的名称。人工神经网络或人工神经网络包括模拟神经元和试图重现大脑功能的刺激物。这种广泛的软件和设备使用神经算法模型来创建决策规划者希望的过程能够与人类的思维过程紧密地模拟。人工神经网络代表了过去几十年中计算机相对原始思想的一大进步。人工神经网络试着模仿人脑。神经网络软件传统上被应用于游戏和其他涉及到相对计算的人类思维的任务。从更具生物物理意义的角度来看，神经网络是基于对大脑神经元如何沟通和传递信息的研究。神经网络的应用包括各种功能的相互作用，在这里，工程师们通过观察总的生产输出来了解这些人工神经网络系统是如何有效地模仿人类思维的。人工神经网络的各种"实际应用"包括回归分析、函数逼近、机器人学和一般数据处理各种类型的人工神经网络已经被开发用于不同的研究规定，它们使用不同的学习模型，如有监督的、无监督的或强化的学习神经网络的类型包括单向前馈神经网络、径向基函数或RBF网络、Kohonen自组织网络，甚至还有模块化神经网络，其中较大的网络由几个小的网络组成应用于人工神经网络的新结构通常被称为"机器委员会"，在决策建模过程中，各种网络结构各自提供自己的"投票"或"意见"。这有时也被称为联想神经网络或ASNN。这类研究的好处在于相信人工神经网络能以类似于人工神经网络所提供的个体决策模型的方式来帮助对人类群体决策或其他复杂模型进行建模的工程师。人工神经网络经常使用这一原理被称为"模糊逻辑"。"模糊"一词用来描述数据或知识中的任何空白。神经网络通常能够通过有根据的猜测和统计预测来弥补一些数据或知识的差距，这与传统上与电子决策相关联的严格的"是或否"二元逻辑形成鲜明对比。克服模糊逻辑有助于神经网络在模拟中提供更好的结果。利用先前研究的积木，具有人工神经网络经验的规划师和工程师正在不断增强这些工具能做些什么，以推动我们对自己大脑的知识边界。