神经网络模型

6.2.7　神经网络模型

神经网络分为生物神经网络（Biological Neural Networks）和人工神经网络 （Artificial Neural Network，ANN）。

生物神经网络一般指生物的大脑神经元、细胞、触点等组成的网络，用于产生生物的意识，帮助生物进行思考和行动。人的心智活动基础是神经系统，其基本功能及结构的单元是神经元，又称神经细胞。这些神经细胞经由特定的方式相互联结成一个复杂无比的网络，身体内部或外界环境的信息就通过这样的神经网络传递和处理。神经信号基本上是膜电位变化的传递，不同的细胞会受到不同的刺激，但传出的膜电位变化都差异不大，真正决定的内涵是神经细胞之间的联结。例如感光神经细胞经过几层细胞的联结，信号再送入大脑某特定感光的部位。

人工神经网络一般是指用计算器模拟人脑的结构，用许多小的处理单元模拟生物的神经元，用算法实现人脑的识别、记忆、思考过程。应用于图像、语言、声音等的识别，复杂的计算，以及趋势预测等领域。人工类神经网络使用数个微处理器，用来当做人脑之中的神经元，将它们组合成人脑的神经网络结构形态，然后选定一个数学推论出来的算法，将此算法置入这个类神经网络中，最后选定你要让类神经网络学习的东西，将它转成类神经网络所能接受的形态，经由接口输入，则类神经网络就开始学习，并且自己调整每个微处理器（神经元）之间的加权值，直到符合你所要学习的目标。ANN是一个由大量神经元组成的非线性动力学系统。它是算法和结构的统一体，是软件和硬件的集合体，具有很强的自适应与自学习能力。ANN的计算属于软计算，即只求相当近似但非精确解的有效计算方法，算法模型属于黑箱，软计算正在兴起，并得到了广泛的运用。遗传算法、BP算法、模拟退火算法等软计算已在模式识别、预测、控制等领域发挥了重要作用。