被错误理解的人工神经网络（一）！

神经网络是机器学习算法中最流行且最强大的算法。在定量金融中，神经网络通常用于时间序列预测、构建专有指标、算法交易、证券分类和信用风险建模，它也被用来构建随机过程模型和价格衍生工具。尽管它很有用，但神经网络往往因为它们的性能是“不可靠的”而声誉不佳。在我看来，这可能是由于对神经网络工作机制误解所致。本系列将讨论了一些常见的对于神经网络的误解。本文先介绍两个错误的理解：它是人脑的模型，第二它是统计学的一种弱形式。

神经网络不是人脑的模型

人类的大脑是我们这个时代最伟大的奥秘，科学家们尚未就其工作原理达成共识。目前有两种大脑理论：即祖母细胞理论和分布式表征理论。第一个理论认为，单个神经元具有很高的处理信息能力，并且能够表达复杂的概念。第二种理论认为，神经元更简单，复杂对象的表示分布在许多神经元中。人工神经网络貌似是受到第二种理论的启发。

我相信目前这一代神经网络不具备感知能力（与智能不同）的一个原因是因为生物神经元比人工神经元复杂得多。

大脑中的单个神经元是一台令人难以置信的复杂机器，即使在今天我们也不明白。而神经网络中的单个“神经元”是一个非常简单的数学函数，只能捕捉生物神经元复杂性的一小部分。所以说神经网络模仿大脑，这在思路上是真的，但真正的人造神经网络与生物大脑没有什么相似之处—— Andrew Ng

大脑和神经网络之间的另一大区别在于规模和组织。人脑比神经网络包含更多的神经元和突触，他们有自我组织能力和适应性。相比之下，神经网络是根据架构来组织的。神经网络不像大脑那样是“自组织”的，与有序网络相比，神经网络更接近图形。

>>>阅读全文