人工神經網路（artificial neural networks，簡寫為anns）也簡稱為神經網路（nns）或稱作連線模型（connection model）。
ann背後的哲理是「將複雜系統分解成一些簡單的元素」。
現實世界都是非線性的。使用ann，描述其中的非線性規律。
神經元：ann的基本單元。許多神經元融合在一起，組成了ann。
神經元叫做啟用單元（activation unit）。每乙個神經元都是乙個學習模型。
輸入：實際生活場景中的收集的資料，或經過啟用函式輸出的資料。
啟用函式：將線性輸入，非線性化，然後輸出。這樣使得ann逼近實現中非線性化場景。常見啟用函式有：sigmod函式。
（ 在計算神經網路層數時,往往不考慮輸入層）
輸入層（輸入樣本特徵）
隱層 （不可見的計算過程）
輸出層 (輸出的標籤)
參考：
人工神經網路（ANN）
參考資料 從函式上來看，神經網路是回歸方程的級聯疊加，用來逼近目標函式的，本質是一種模擬特徵與目標之間的真實關係函式的模型 乙個有向拓撲，每層有若干節點，節點間有邊，邊上有權值。輸入層隱藏層 多層 後層是前層各節點值的線性組合的函式，即y f x0 w1x1 w2x2 wnxn 線性組合的係數就是邊...
人工神經網路ANN
一 基本概念 ann artificial neural network前饋神經網路的縮寫 二 模型構建 2.1 神經元 2.2 啟用函式 意義 啟用函式是用來讓給神經網路加入非線性因素的，因為線性模型的表達能力不夠。如果沒有啟用函式，那麼該網路僅能表達線性對映，此時即便有再多的隱藏層，其整個網路跟...
人工神經網路（ANN）學習
神經元數學模型o i t 1 f 其中o為輸出，f為神經元變換函式，w為權重，t為閾值。如果新增乙個x0 1,w0j tj，可以簡化為 oj f w tjx 變換函式 有四種 閾值型 sigmoid 分段線性 概率分布 boltzmann 神經網路學習 通用學習規則 w j r wj t x t d...