人工智能导论（神经网络）

试说明神经网络的学习机理。

答：学习：是从神经网络的角度而言的。是神经网络最重要的特征之一。神经网络能够通过对他的训练，改变其内部表示（改变连接权值），使输入—输出变换向好的方向发展。

       训练：是从人的角度而言的。实质是用同一个训练规则（学习规则或学习算法），自动调节神经元之间的连接强度或拓扑结构，当网络的实际输出满足期望的要求，或者趋于稳定，这认为训练完满结束。

       学习规则：Hebb规则

4.神经网络学习有哪些方法，各有什么特点？

答：神经网络的学习方法有不同的分类

（1）根据样例数据的特点神经网络学习可分为有监督学习和无监督学习。有监督学习就是根据网络的输出模式与期望模式的误差反复修正权值，直到满足精度要求为止。无监督学习是一种自组织过程，即网络根据某种规则反复调节连接权值以适应输入模式的激励，知道形成某种有序的状态。

（2）从神经网络内部状态变化的角度来分，神经网络学习可分为权值修正、拓扑变化、权值与拓扑修正3种。

（3）神经网络学习还可分为确定性学习和随机性学习。在确定性学习中，采用确定性权值修正方法；随机性学习使用随机性权值修正方法。

（4）神经网络学习还有竞争学习、BP学习、玻尔兹曼学习、迁移学习、深度学习等提法。