“人工神经网络”的版本间的差异
来自China Digital Space
| 第20行： | 第20行： | ||
=== 数字时代相关文章 China Digital Times Related Articles=== | === 数字时代相关文章 China Digital Times Related Articles=== | ||
| − | <feed url="feed://chinadigitaltimes.net/chinese/ | + | <feed url="feed://chinadigitaltimes.net/chinese/tag/人工神经网络/feed/" entries="5"> |
== [{PERMALINK} {TITLE}] == | == [{PERMALINK} {TITLE}] == | ||
'''{DATE}, by {AUTHOR}''' | '''{DATE}, by {AUTHOR}''' | ||
</feed> | </feed> | ||
| − | [https://chinadigitaltimes.net/chinese/ | + | [https://chinadigitaltimes.net/chinese/tag/{{FULLPAGENAME}}/ 更多{{FULLPAGENAME}}文章] |
=== 数字空间相关链接 China Digital Space Related Links=== | === 数字空间相关链接 China Digital Space Related Links=== | ||
2020年9月23日 (三) 18:55的版本
人工神经网络（英語：artificial neural network，ANNs）又称类神经网络，简称神经网络（neural network，NNs），在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中樞神經系統，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统(adaptive system)，通俗地讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模(概率模型)工具，神经网络通常是通过一个基于数学统计学类型的学习方法（learning method）得以优化，所以也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题（也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力），这种方法比起正式的逻辑学推理演算更具有优势。(维基百科人工神经网络)
数字时代相关文章 China Digital Times Related Articles
<feed url="feed://chinadigitaltimes.net/chinese/tag/人工神经网络/feed/" entries="5">
[{PERMALINK} {TITLE}]
{DATE}, by {AUTHOR} </feed>
