【人工智能基础06】人工神经网络基础：神经网络原理

人工神经网络是基于生物学中脑认知神经网络的基本原理，模仿大脑神经系统工作原理所创建的数学模型，它有并行的分布处理能力、高容错性、自我学习等特征。

一. 神经元感知器模型

人工神经网络中最基本的单元叫神经元，又叫感知器，如图所示。它是模拟人脑神经系统的神经元(分析和记忆)、树突(感知)、轴突(传导)的工作原理，借助计算机的快速计算和存储来实现。

从上图可以看到，人工神经网络中一个基本的神经元由以下几个部分组成:

• 输入 ( Input ) : 一个神经元可以接收多个输入 { x 1 , x 2 , . . . , x n ∣ x i ∈ R } \{x_1,x_2,...,x_n|x_i∈R\} { x1​,x2​,...,xn​∣xi​∈R}
• 权值(Weight)：每个输入都有一个权值$w_i\in R$。
• 偏置值(Bias)：b∈R
• 激活函数(Activate Function)：激活函数给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数， 从而可以应用到众多非线性模型中。
• 输出(Output): 神经元输出，该输出可由下面公式计算：

$$y=$$