4.人工神经网络（介绍1）

本文主要内容来自《人工神经网络导论》
一.简单介绍：
1.定义：
人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。在工程与学术界也常直接简称为“神经网络”或类神经网络。

人工神经元的图示（相当于一个多输入单输出的非线性阈值器件。）
p表示该神经元的输入向量。
w表示权值向量。
θ表示神经元的阈值，当w1p1+w2p2+…+wn*pn>θ，该神经元已被激活，所以输入向量的加权和也成为激活值。
f表示神经元的输入输出关系函数,亦即传输函数。

神经元的输出值可以表示为：

2.结构：
人工神经网络的连接形式和其拓扑结构多种多样,但总的来说有两种形式,即分层型和互连型神经网络。比较有代表性的有感知器神经网络、线性神经网络、BP 网络、径向基函数网络、自组织网络、反馈网络等。后面的博客中会详细的介绍其中几个。

分层型神经网络可简单分为简单前馈网络，反馈型前馈网络和内层互联前馈网络