參考：
人工神經網路演算法是模擬人的神經網路的一種演算法.
該演算法像人一樣，具有一定的學習能力。人工神經網路可以學會它所能表達的任何東西.
該演算法在模擬人類抽象思維方面較傳統的演算法具有優勢，如影象識別 (人臉識別，車牌識別)， 聲音識別方面已經有成熟的運用。
舉個簡單的例子可以說明人工神經網路和傳統演算法的差別所在 (等會也要實現):
假設要解決這個問題: 寫乙個程式， 判斷 0, 1, 2, 3 ... 9 這10個數的奇偶性
1. 如果是傳統演算法， 則是模擬人的邏輯思維，對這個問題進行形式化和邏輯化 :
if (input 模 2 == 零) else ;//輸入向量,
int y[10]=;//理想輸出向量,0表示奇數,1表示偶數
int o[10];//儲存輸出向量
int st=52;//閾值
void initm()
}/**?躍遷型啟用函式?**/
int active(int m, int x)
else }
//計算輸出向量
void calcy()
}//根據實際輸出向量和理想輸出向量調整權向量,返回實際輸出和理想輸出不匹配的數目
int adjustm()
else
}} return err;
}/**?列印權向量?**/
void printm()
}void test(int input)
else }
int main()
cout<<"錯誤數"test(a);
} return 0;
}
神經網路演算法
神經網路其實就是按照一定規則連線起來的多個神經元。上圖展示了乙個全連線 full connected,fc 神經網路，通過觀察上面的圖，我們可以發現它的規則包括 1.神經元按照層來布局。最左邊的層叫做輸入層，負責接收輸入資料 最右邊的層叫輸出層，我們可以從這層獲取神經網路輸出資料。輸入層和輸出層之間...
神經網路BP演算法簡單推導
這幾天圍繞 a neural probability language model 看了一些周邊資料，如神經網路 梯度下降演算法，然後順便又延伸溫習了一下線性代數 概率論以及求導。總的來說，學到不少知識。下面是一些筆記概要。一 神經網路 神經網路我之前聽過無數次，但是沒有正兒八經研究過。形象一點來說...
實現乙個最簡單的神經網路
這次實現乙個最簡單的神經網路，這個神經網路能判斷輸入的是奇數還是偶數通常咱們寫程式 就要寫成這樣了 if inputnumber 2 else 但是神經網路不是這樣的 首先來想一下，嬰兒時怎麼學習的。嬰兒要學習乙個東西，比如漢語 嬰兒在剛出生的時候是不會任何和漢語相關的知識的 是嬰兒在後來逐漸的學習...