用简单的一个例子阐释人工神经网络的机理

        因研究方向需要与人工神经网络相结合，因此在网上查询了一些资料后，简单总结了一下人工神经网络的作用机理。

       人工神经网络(ANN)算法的作用机理还是比较难理解的，现在以一个例子来说明其原理。这个例子是关于人的识别技术的，在门禁系统、逃犯识别、各种验证码破译、银行预留印鉴签名比对和机器人设计等领域都有比较好的应用前景。当然也可以用来做客户数据的挖掘工作，比如建立一个能筛选满足某种要求的客户群的模型。

       我们人类识别人的机理：看到一个人也就是识别对象以后，我们首先提取其关键的外部特征比如身高，体形，面部特征，声音等等。根据这些信息大脑迅速在内部寻找相关的记忆区间，有这个人的信息的话，这个人就是熟人，否则就是陌生人。机器识别人的原理也类似如此。

       人工神经网络就是这种机理。假设参数X(1)代表我们为电脑输入的人的面部特征；X(2)代表人的身高特征；X(3)代表人的体形特征；X(4)代表人的声音特征。W(1)、W(2)、W(3)、W(4)分别代表四种特征的链接权重。这个权重非常重要，也是人工神经网络起作用的核心变量。

       现在我们随便找一个人小陈，站在电脑面前，电脑根据预设变量提取这个人的信息，小陈面部怎么样，身高多少，体形胖瘦，声音有什么特征，链接权重初始值是随机的，假设每一个W均是0.25,这时候电脑按这个公式自动计算， 

                        Y=X(1)*W(1)+X(2)*W(2)+X(3)*W(3)+X(4)*W(4)

得出一个结果Y。这个Y要和一个门槛值（设为Q）进行比较，如果Y>Q，那么电脑就判定这个人是小陈，否则判定不是小陈。由于第一次计算电脑没有经验，所以结果是随机的。一般我们设定是正确的，因为我们输入的就是小陈的身体数据。

        现在还是小陈站在电脑面前，不过小陈怕被电脑认出来，所以换了一件衣服，这个行为会影响小陈的体形，也就是X(3)变了，那么最后计算的Y值也就变了。它和Q比较的结果随即发生变化，这时候电脑的判断失误，它的结论是这个人不是小陈。但是我们告诉它这个人就是小陈，电脑就会追溯自己的判断过程，到底是哪一步出错了。结果发现原来小陈体形X(3)这个体征的变化，导致了其判断失误。很显然，体形X(3)欺骗了它，这个属性在人的识别中不是那么重要。电脑自动修改其权重W(3)，第一次我对你是0.25的相信，现在我则降低信任值，比如为0.10。修改了这个权重就意味着，电脑通过学习认为体形在判断一个人是否是自己认识的人的时候并不是那么重要。这就是机器学习的一个循环。

        我们可以让小陈再穿一双高跟皮鞋改变一下身高这个属性，让电脑再一次进行学习。通过变换所有可能变换的外部特征，轮换地让电脑学习记忆，它就会记住阿猫这个人比较关键的特征，也就是没有经过修改的特征。也就是说，电脑通过学习会总结出识别小陈，甚至是任何一个人所依赖的关键特征。利用对象小陈训练电脑，电脑已经非常聪明了。这时，你再让小陈换件衣服或者换双鞋站在电脑前面，电脑都可以迅速地判断这个人就是小陈。因为电脑已经不再主要依据这些特征识别人了，通过改变衣服、身高骗不了它。

        当然，有时候如果电脑赖以判断是否为小陈的关键特征发生变化，它也会判断失误。这是在可接受范围之内的，不要说电脑，就是人类也无能为力。比如一个好朋友，经过多次的识记后，我们肯定认识。但是，如果他整了容，在大街上与我们相遇。我们可能觉得这个人声音很熟悉，体形也很熟悉。。。都像自己一个朋友，就是脸长的不像。我们不敢贸然上去相认(否定的判断)。因为我们判定一个人是否是自己的朋友的时候，依靠的关键特征就是面部特征，而他恰恰就是改变了这一特征。当然也可能出现，我们把一个拥有和我们朋友足够多相似特征的人判定为我们的朋友，这就是认错人的现象了。这些问题电脑也会出现。

REF:http://blog.sina.com.cn/s/blog_5bbd6ec00100b5nk.html