全文阅读: https://www.lianxh.cn/news/e63b5927dbd54.html
目录
1. 人工神经网络简介
1.1 基本介绍
人工神经网络(Artificial Neural Networks,简写为ANNs)是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的,并具有自学习和自适应的能力。
人工神经网络是一种运算模型,由大量的节点以及它们之间的连接构成。每个节点代表一个函数,而连接则代表权重。它可以描述为有向图,其中每个节点 都执行以下形式的传递函数 :
是由节点 输出的, 是第 个输入的节点, 是节点 和 之间的连接权重。 是节点的阈值(或偏差)。通常 是非线性的,例如 heaviside 、 sigmoid 或者 Gaussian 函数。
可以根据人工神经网络的连通性,将其分为前馈类和递归类。如果存在一种对网络中所有节点编号的方法,则人工神经网络是前馈的,这样就不会存在从数量较大的节点到数量较小的节点的连接,所有连接都是从数量较小的节点到数量较大的节点。如果不存在这种编号方法,人工神经网络则会重复出现。
在上述中,求和中的每个项仅包含一个输入节点 。高阶人工神经网络是那些包含高阶节点的神经网络,即在一些求和项中涉及多个输入的节点。例如,一个二阶节点可以描述为:
人工神经网络的体系结构由其拓扑结构决定,即网络中每个节点的整体连通性和传递函数。