什麼是人工神經網路？ 人工神經網路的基本思想

玖玖糖果這麼詳細，本來想說點什麼，但似乎什麼都不用說。

簡單來說，規範人的思維方式，模擬人的思維方式，可以讓計算機自己學習和判斷（但到目前為止，還沒有最前沿的結果可以模擬甚至小孩子的思維，人太偉大了！！

您好，人工神經網路的基本思想是將對生物神經網路的理解與數理統計模型相結合，並借助數理統計工具實現它們。

將這個網路想象成乙個計算模型，由大量相互連線的節點（或神經元）組成。 每個節點代表乙個特定的輸出函式，稱為啟用函式。 兩個節點之間的每個連線都代表通過該連線的訊號的加權值，稱為權重，神經網路以這種方式模擬人類記憶。

人工神經網路是一種非程式化的、自適應的、類腦式的資訊處理，其本質是通過網路的變換和動態行為，獲得並行的分布式資訊處理功能，並在不同程度和層次上模仿人腦神經系統的資訊處理功能。

人工智慧的快速發展也得益於人工智慧技術的成熟。 人工智慧離不開神經網路，神經網路在人工智慧的發展中也走過了非常崎嶇的道路，那麼人工智慧和神經網路有什麼區別呢？

1.參考不同。 人工智慧：是一門研究開發模擬、擴充套件和擴充套件人類智慧型的理論、方法、技術和應用系統的新技術科學; 神經網路：

它是一種演算法數學模型，模仿動物神經網路的行為特徵，並執行分布式並行資訊處理。

2.方法不同。 人工智慧：試圖理解智慧型的本質，並產生一種新型的智慧型機器，可以以類似於人類智慧型的方式做出反應，包括機械人技術、語言識別、影象識別、自然語言處理和專家系統。 神經網路：

依靠系統的複雜性，通過調整大量內部節點之間的互連來達到處理資訊的目的。

3.用途不同。 人工智慧：主要目標是使機器能夠完成一些通常需要人類智慧型才能完成的複雜工作; 神經網路：

最初的自我適應和自組織能力。 突觸權重值在學習或訓練過程中會發生變化，以適應周圍環境的要求。 根據學習方法和內容的不同，同乙個網路可以具有不同的功能。

乙個完整的人工神經網路由乙個輸入層、乙個或多個隱藏層和乙個輸出層組成。

神經網路，也稱為人工神經網路 （ANN） 或模擬神經網路 （SNN），是機器學習的乙個子集，是深度學習演算法的核心。 它的名字和結構靈感來自人腦，模仿生物神經元訊號相互傳遞的方式。

人工神經網路 （ANN） 由節點層組成，節點層由輸入層、乙個或多個隱藏層和輸出層組成。 每個橋接節點也稱為人工神經元，它們連線到另乙個具有相關權重和閾值的節點。 如果任何單個節點的輸出高於指定的閾值，則該節點將被啟用，資料將被傳送到網路的下一層。

否則，資料不會傳遞到網路的下一層。

確定輸入圖層後，將分配權重。 這些權重有助於確定任何給定變數的重要性，權重越大，輸出的貢獻就越大。 將所有輸入乘以其各自的權重和總和。

之後，輸出通過確定輸出結果的啟用函式傳遞。

如果該輸出超過給定的閾值，那麼它將“觸發”（或啟用）乙個節點，將資料傳遞到網路中的下一層。 這會導致乙個節點的輸出成為下乙個節點的輸入。 這種將資料從一層傳遞到下一層的過程將神經網路定義為前饋網路。