数据挖掘之人工神经网络

1. 人工神经网络（ANN）是人脑的抽象计算模型，是由相互连接的人工神经元之间相互连接，将这个网络看作一个图表，神经元就可以表示为节点，神经元之间的相互连接表示为边
2. 神经网络是一个很多节点通过有向链接组成的网络结构哦，每个节点代表一个处理单元，节点之间的连接表示所连接的节点之间的因果关系，所有节点都是自适应的，这就意味着这些节点的输出同这些节点的输出同这些节点的可修改参数值有关
3. 人工神经网络是一个大型并行分布式处理器，由简单的处理单元组成，可以通过调整单元连接的强度，来学习经验知识，并运用这些知识
   4.使用神经网络可以提供几种有用的属性和能力：
   A: 非线性，神经网络作为基本单元，可以是线性的或非线性的处理元素，但是整个ANN是高度非线性的，ANN分布在整个网络中，就这点而言，它是一种特殊的非线性
   B: 从样本中学习的能力，通过应用一系列训练或学习样本，ANN可以改变它的联接权重，学习过程的最终结果是调整好的网络参数
   C: 自适应性，ANN内置了随外部环境改变联接权重的能力
   D: 响应验证，在数据分类环境中，ANN不仅可以从给定的样本中提供某个类的信息，号可以在决策时提供置信度的信息，后者可以用来剔除模糊的数据，如果将其值增大，则可以提高分类的执行效率或者用神经网络进行建模的其他任务的执行效率
   E: 容错性，ANN有固有的潜在容错能力，即计算的可靠性，它的执行效率在某些不利情形下并不会显著降低
   F: 统一的分析和设计，基本上，ANN和信息处理器一样具有很好的通用性
4. 人工神经元的模型
   人工神经元就是信息处理