神经网络总结（初稿）

神经网络是由大量处理单元（神经元）相互连接而成的网络，ANN（Artificial Neural Network）是生物神经系统的一种抽象、简化和模拟。神经网络的信息处理是通过神经元的相互作用来实现的，知识与信息的存储表现在网络元件互连的分布式结构与联系，神经网络的学习与识别就是神经元连接权系数的动态演化过程。实践中常用的基本神经网络模型有：感知器（perceptron）神经网络、线性神经（AdalinePerceptron)网络、BP神经网络、径向基神经网络、自组织神经网络、Hopfield反馈神经网络等。

关键词：整合（）-激发（）-映射（）

感知器（perceptron）神经网络

感知器中的神经元称之为PRC神经元，有如下中的结构。一般在处理中都会将阈值b转换为输入和权重的x0形式，得到如下右的等效结构。

那么感知器的工作算法也就是整合过程比较简单，只需要利用向量乘积表示即可：，经过激发(特殊的一种映射，只是利用<