一般来说,神经网络算法的第一步是学习。
在这个过程中,神经网络需要不断调整突触的数值,以便改进运算表现,更好地完成分配给它的任务。 不幸的是,算法用来识别神经网络中突触正确数值的技术来自于一套复杂的数学方法,称为“反向传播”。 这个过程需要执行一系列高精度运算,会消耗大量能量。
神经网络算法的思维是指根据逻辑规则冲肆进行推理的过程,它先将信息化成概念,并用符号表示,然后,根据符号运算按串行模式进行逻辑推理;这一过程可以写成串行的指令,让计算机执行。 然而,直观性的思维是将分布式存储的信乱携息综合起来,结果是忽然间产生的想法或解决问题的办法。
神经网络的研究工作有以下几方面:
1、生物原型研究。 从生理学、心理学、解学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。
2、网络模型与算法研究。 在理论模型研究的基础上构作具体的神经网络模型,以实现计算机模拟或准备作硬件,包括网络学习算法的研究。 这方面的工作也称为技术模型研究。
3、工神经网络应用系统。 在网络模型与算法研究的基础上,利用工神经网络组成实际的应用系统,例如,完成某种信号处理或模式识别的功能、哗判伏构造专家系统、成机器等等。
上一篇:神经网络算法实现
下一篇:bp神经网络算法流程图