人工神经网络
维基百科，自由的百科全书
人工神经网络(Artificial Neural Networks,ANN)是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在这一模型中，大量的节点（或称 “神经元”，或“单元”）之间相互联接构成网络，即“神经网络”，以达到处理信息的目的。
[编辑] 基本结构
通常的ANN由三部分组成,
- 输入层(Input layer),众多神经元(Neuron)接受大量非线形输入信息。输入的信息称为输入向量。
- 输出层(Output layer),信息在神经元链接中传输、分析、权衡,形成输出结果。输出的信息称为输出向量。
- 隐藏层(Hidden layer),简称“隐层”，是输入层和输出层之间众多神经元和链接组成的各个层面。隐层可以有多层。隐层的节点(神经元)数目不定，但数目越多神经网络的非线性越显著，从而神经网络的鲁棒性更显著。
[编辑] 参数
- 输入x1~xi
- 权重w1,n~wi,n (第n层隐藏层)
- 输出Xj
X=w*x
[编辑] 学习过程
通过训练样本的校正，对各个层的权重进行校正(learn)的过程，称为自动学习过程(training)。
参见：神经网络介绍
