神经网络是由简单处理单元构成的大规模并行分布式处理器,天然地具有存储经验知识和使之可用的特性。神经网络在两个方面与大脑相似:
1.神经网络是通过学习过程从外界环境中获取知识的。
2.互连神经元的连接强度,即突触权值,用于存储获取的知识。
神经网络的性质和能力
1.非线性。
2.输入输出映射。称之为有教师学习或监督学习的关于学习的流行方法。它使用带表号的训练样例或任务样例对神经网络的突触权值进行修改。
3.自适应性。神经网络具有调整自身突触权值以适应外界环境变化的固有能力。
4.证据响应。在模式分类问题中,神经网络可以设计成不仅提供选择哪一个特定模式的信息,还提供关于决策的置信度信息。
5.上下文信息。网络中每一个神经元都受网络中所有其他神经元全局活动的潜在影响。
6.容错性。由于网络存储的分布特性,神经网络从性能上显示了一个缓慢恶化的过程而不是灾难性的失败。
7.VLSI实现。神经网络的大规模并行性使它具有快速处理某些任务的潜在能力。
8.分析和设计的一致性。基本上,神经网络作为信息处理器具有通用性。
9.神经生物类比。神经网络的设计是由与人脑的类比引发的。