人工神经网络是一种生物启发计算模型,按照人脑中的神经元网络仿制而成。此外,人工神经网络还可视为建立输入-输出关系模型的学习算法。人工神经网络的应用包括医学、商业、纯科学、数据挖掘、电信以及运营管理等领域的模式识别和预测。
人工神经网络通过将非线性函数应用于输入值的加权求和,以此转换输入数据。该转换叫作神经层,该函数则称为神经元。层的中间输出称为特征,会用作下一层的输入。历经重复转换的神经网络会学习多层非线性特征(比如边缘和形状),之后会在最后一层汇总这些特征以生成(对更复杂目标物的)预测。神经网络的学习方式是,改变网络的权重或参数以便将神经网络的预测值与期望值之差降至最低。我们将人工神经网络从数据中学习的这一阶段称为训练。