人工智能中的神经网络是什么?

人工神经网络是20世纪80年代以来人工智能领域的研究热点。

它从信息处理的角度抽象出人脑的神经网络,建立一个简单的模型,根据不同的连接方式形成不同的网络。在工程界和学术界,通常简称为神经网络或直接称为神经网络。神经网络是一种运算模型,由大量相互连接的节点(或神经元)组成。每个节点代表一个特定的输出函数,称为激励函数。

每两个节点之间的连接代表通过该连接的信号的一个加权值,称为权重,相当于人工神经网络的记忆。网络的输出根据网络的连接方式、权值和激励函数而变化。网络本身通常是某种算法或函数的近似,或者它可能是一种逻辑策略的表达。

近十年来,人工神经网络的研究工作不断深入,取得了很大进展。它成功地解决了模式识别、智能机器人、自动控制、预测估计、生物、医学和经济等领域中许多现代计算机难以解决的实际问题,并表现出良好的智能特性。

人工神经网络的特点和优势主要表现在三个方面:

1,具有自学习功能。例如,在实现图像识别时,只需将许多不同的图像模板和相应的待识别结果输入到人工神经网络中,网络就会通过自学习功能逐渐学会识别相似的图像。自学习功能对于预测具有重要意义。预计未来的人工神经网络计算机将为人类提供经济预测、市场预测和效益预测,其应用前景十分广阔。

2、具有联想存储功能。这种关联可以利用人工神经网络的反馈网络来实现。

3.具备高速寻找最优解的能力。寻找一个复杂问题的最优解往往需要大量的计算。利用针对某个问题设计的反馈型人工神经网络,充分发挥计算机的高速计算能力,可能很快就能找到最优解。