先决条件：人工神经网络简介
本文提供了用于了解人工神经网络的概述。
人工神经网络的特征
- 它是神经实现的数学模型
- 它包含大量相互连接的称为神经元的处理元件，可以执行所有操作
- 存储在神经元中的信息基本上是神经元的加权链接
- 输入信号通过连接和连接配重到达处理元件。
- 通过适当的分配和权重调整，它具有从给定数据中学习，记忆和归纳的能力。
- 神经元的集体行为描述了其计算能力，没有一个神经元携带特定信息。
- 简单的神经元如何工作?
假设有两个神经元X和Y将信号传输到另一个神经元Z。然后， X和Y是用于传输信号的输入神经元，而Z是用于接收信号的输出神经元。输入神经元通过互连链接( A和B )连接到输出神经元，如图所示。
对于上述神经元体系结构，净输入必须以这种方式计算。
我= xA + yB
其中x和y是输入神经元X和Y的激活。输出神经元Z的输出z可以通过在净输入上施加激活来获得。
O = f(I)
输出=函数(计算出的净输入)
要应用的函数过网输入被称为激活函数。为此有多种激活函数。神经网络的应用
1.每一项新技术都需要前一个技术的帮助，即前一个技术的数据，并对这些数据进行分析，以便正确地研究每个利弊。所有这些事情只有通过神经网络才能实现。
2.神经网络适用于动物行为，捕食者/被捕食者之间的关系以及种群周期的研究。
3.借助神经网络，更容易对物业，建筑物，汽车，机械等进行适当的评估。
4.神经网络可用于投注赛马，体育赛事，最重要的是用于股票市场。
5.通过使用大量犯罪细节数据作为输入并使用结果句子作为输出，可以将其用于预测对任何犯罪的正确判断。
6.通过分析数据并确定哪些数据有任何故障(文件与对等方分离)，称为数据挖掘，可以通过神经网络实现清理和验证。
7.在我们从声纳，雷达，地震和磁仪器获得的回波模式的帮助下，神经网络可用于预测目标。
8.它可以有效地用于员工聘用中，因此任何公司都可以根据员工的技能以及未来的生产力来雇用合适的员工。
9.在医学研究中有广泛的应用。
10.通过分析过去的记录，可以将其用于信用卡，保险或税款的欺诈检测。
参考 ：
维基
doc期刊
软计算原理