1、人工神经网络：简介与作用

人工神经网络：简介与作用

人工神经网络的定义与模拟特性

人工神经网络，顾名思义，是一种计算网络，它试图粗略地模拟生物（人类或动物）中枢神经系统中神经细胞（神经元）网络的决策过程。这种模拟是逐细胞（神经元对神经元、元素对元素）进行的，借鉴了生物神经元及其网络的神经生理学知识。与传统的（数字或模拟）计算机不同，传统计算机旨在替代、增强或加速人类大脑的计算，而不考虑计算元素的组织和网络结构。不过，需要强调的是，神经网络的模拟是非常粗略的。

人工神经网络的优势

既然从计算角度看，传统数字计算机能完成人工神经网络能做的一切，那为什么我们要认为人工神经网络不只是一种模拟练习呢？答案在于两个重要方面。

首先，神经网络通过模拟生物神经网络，实际上是一种相对于传统计算机的新型计算机架构和算法架构。它允许使用非常简单的计算操作（加法、乘法和基本逻辑元素）来解决复杂的、数学定义不明确的问题、非线性问题或随机问题。传统算法会使用复杂的方程组，并且只适用于特定的问题。而人工神经网络（a）在计算和算法上非常简单；（b）具有自组织特性，适用于广泛的问题。例如，家蝇避开障碍物或老鼠避开猫时，它们不会求解轨迹的微分方程，也不会使用复杂的模式识别算法。它们的大脑很简单，但使用了一些基本的神经元细胞，这些细胞的结构与高等动物和人类的神经元细胞基本相同。人工神经网络的解决方案也旨在实现这种（可能不同的）简单性。虽然目前神经网络的适应范围有限，但它的设计目标是通过粗略模拟生物网络来实现简单性和自组织性。

其次，人工神经网络至少在潜在层面上具有高并行性（元素级并行），这与传统数字计算机不同。传统数字计算机是顺序机器，若一个晶体管（数百万个中的一个）出现故障，整个机器就会停止运行。