人工神经网络
回到术语表什么是人工神经网络?
人工神经元网络(artificial neural network, ANN)是一种仿照人脑神经元运作的计算系统。人工神经网络是如何工作的?
人工神经网络可以被看作是加权的有向图，通常是分层组织的。这些层具有许多节点，模仿人类大脑的生物神经元。它们相互连接并包含一个激活函数。第一层接收来自外部世界的原始输入信号——类似于人类视觉处理中的视神经。每一个连续的层都从它前面的层获得输出，类似于位于离视神经较远的神经元从离它们最近的神经元接收信号的方式。每个节点的输出称为其激活值或节点值。最后一层产生系统的输出。人工神经网络实际上是具有学习能力的数学模型;通过使用ann，我们已经能够增强现有的数据分析技术。它们是我们看到人工智能(AI)、机器学习(ML)和深度学习取得重要进展的原因之一。感知器人工神经网络
感知器是人工神经网络中最简单的一种。这种类型的网络通常用于二元预测。感知器只有在数据可以线性可分的情况下才能工作。
多层人工神经网络
一个完全连接的多层神经网络也被称为多层感知器(MLP)。这种类型的人工神经网络由不止一层人工神经元或节点组成，(例如卷积神经网络，循环神经网络等)多层ANN用于解决更复杂的分类和回归任务。最常见的模型是3层全连接反向传播模型。第一层由输入神经元组成，将数据发送到第二层，第二层又将输出神经元发送到第三层。
此外，有两种人工神经网络拓扑结构:前馈和反馈。前馈人工神经网络
在这个人工神经网络中，信息流是单向的。信息只向一个方向传播;向前;没有任何反馈循环。它首先通过输入节点，然后通过隐藏节点(如果有的话)，最后通过输出节点。反馈式人工神经网络
在这种情况下，神经网络的神经元之间存在固有的反馈连接。在这里，反馈循环是允许的。额外的资源
回到术语表
