神经网络模型是什么 神经网络模型有什么吸引力

神经网络模型是什么，神经网络模型有什么吸引力？这篇文章对这两个问题做细致的讲解。神经网络模型是以神经元的数学模型为基础来描述的。神经网络模型(ArtificialNuearlNewtokr)s,是对人类大脑系统的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑．节点特点和学习规则来表示。
神经网络模型对人们的巨大吸引力主要在下列几点：
1．神经网络模型并行分布处理。
2．神经网络模型高度鲁棒性和容错能力。
3．神经网络模型分布存储及学习能力。
4．神经网络模型能充分逼近复杂的非线性关系。
在控制领域的研究课题中，不确定性系统的控制问题长期以来都是控制理论研究的中心主题之一，但是这个问题一直没有得到有效的解决。利用神经网络模型神经网络的学习能力，使它在对不确定性系统的控制过程中自动学习系统的特性，从而自动适应系统随时间的特性变异，以求达到对系统的最优控制；显然这是一种十分振奋人心的意向和方法。
人工神经网络模型现在有数十种之多，应用较多的典型的神经网络模型包括BP神经网络、Hopfield网络、ART网络和Kohonen网络（QR社区，QMACD量化分析社区，QR量化社区，QR技术分析社区有所提及）。
神经网络模型的学习机理和机构
学习是神经网络模型一种最重要也最令人注目的特点。在神经网络模型的发展进程中,学习算法的研究有着十分重要的地位。目前,人们所提出的神经网络模型都是和学习算法相应的。所以,有时人们并不去祈求对神经网络模型和算法进行严格的定义或区分。有的神经网络模型可以有多种算法。而有的算法可能可用于多种神经网络模型。在神经网络中,对外部环境提供的模式样本进行学习训练,并能存储这种模式,则称为感知器;对外部环境有适应能力,能自动提取外部环境变化特征,则称为认知器。
在学习中,一般分为有教师和无教师学习两种。感知器采用有教师信号进行学习,而认知器则采用无教师信号学习的。所谓教师信号,就是在神经网络学习中由外部提供的模式样本信号。相关模型是什么，有什么吸引力已经讲完了，不知道你们是否已经掌握。