人工神经网络原理

人工神经网络可以看作生物脉冲神经网络的抽象版本。神经元的脉冲速率在人工神经网络中被抽象为实数，生物神经网络中的突触被视为人工神经网络中的乘法边。对于人工神经网络，有两种基本模式：推理和学习。推理是根据当前输入以及神经网络参数计算输出值的过程。例如，在一个分类应用程序中，输入可以是一首歌曲，而神经网络输出结果可以是该歌曲的名称。正确的推理意味着神经网络输出的歌曲名称与该歌曲的实际名称（或者与真值（ground truth））相匹配。学习的过程从另一方面来讲就是获取神经网络参数以产生正确推理结果的过程。