神經網路即人工神經網路（Artificial Neural Networks，簡寫為ANNs）是一種模仿動物神經網路行為特徵，進行分散式並行資訊處理的演算法數學模型，這種網路依靠系統的複雜程度，通過調整內部大量節點之間相互連線的關係，從而達到處理資訊的目的，並具有自學習和自適應的能力。

神經網路是一門重要的機器學習技術。它是目前最為火熱的研究方向–深度學習的基礎。學習神經網路不僅可以讓你掌握一門強大的機器學習方法，同時也可以更好地幫助你理解深度學習技術。

神經網路的基礎在於神經元。 神經元是以生物神經系統的神經細胞為基礎的生物模型。在人們對生物神經系統進行研究，以探討人工智慧的機制時，把神經元數學化，從而產生了神經元數學模型。 大量的形式相同的神經元連結在—起就組成了神經網路。神經網路是一個高度非線性動力學系統。

第一，具有自學習功能。例如實現影象識別時，只在先把許多不同的影象樣板和對應的應識別的結果輸入人工神經網路，網路就會通過自學習功能，慢慢學會識別類似的影象。自學習功能對於預測有特別重要的意義。預期未來的人工神經網路計算機將為人類提供經濟預測、市場預測、效益預測，其應用前途是很遠大的。

第二，具有聯想儲存功能。用人工神經網路的反饋網路就可以實現這種聯想。

第三，具有高速尋找優化解的能力。尋找一個複雜問題的優化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型人工神經網路，發揮計算機的高速運算能力，可能很快找到優化解。

神經網路具有四個基本特徵:

1、非線性

非線性關係是自然界的普遍特性。大腦的智慧就是一種非線性現象。人工神經元處於啟用或抑制二種不同的狀態，這種行為在數學上表現為一種非線性關係。具有閾值的神經元構成的網路具有更好的效能，可以提高容錯性和儲存容量。

2、非侷限性

一個神經網路通常由多個神經元廣泛連線而成。一個系統的整體行為不僅取決於單個神經元的特徵，而且可能主要由單元之間的相互作用、相互連線所決定。通過單元之間的大量連線模擬大腦的非侷限性。聯想記憶是非侷限性的典型例子。

3、非常定性

人工神經網路具有自適應、自組織、自學習能力。神經網路不但處理的資訊可以有各種變化，而且在處理資訊的同時，非線性動力系統本身也在不斷變化。經常採用迭代過程描寫動力系統的演化過程。

4、非凸性

一個系統的演化方向，在一定條件下將取決於某個特定的狀態函式。例如能量函式，它的極值相應於系統比較穩定的狀態。非凸性是指這種函式有多個極值，故系統具有多個較穩定的平衡態，這將導致系統演化的多樣性。

人工神經網路的特點和優越性：

目前神經網路在多個領域都發展成熟，例如在醫學領域通過建立神經網路使檢測儀器自動判斷腫瘤為良性還是惡性；在機械領域的自動駕駛汽車等等。在未來，相信神經網路會與其他相結合，應用於更多的領域！人工智慧交流群 862729908