8.1.1  人工神经网络的基本原理

人工神经网络是在现代神经生物学研究的基础上提出的模拟生物过程，反映人脑某些特性的一种计算结构。它不是人脑神经系统的真实描写，而只是它的某种抽象、简化和模拟。在不致混淆的情况下，人们也常把人工神经网络称为神经网络。神经元与突触是构成神经网络的基本“器件”。神经元常被称为“处理单元”，有时又从网络的观点出发，把它称为“节点”。人工神经元是生物神经元的一种近似，在功能上它是一种初级逼近。它在一定程度上模拟了生物神经元对输入信号的处理过程。基本神经元模型如图8-1所示，它有三个基本要素：

图8-1 基本神经元模型

（1）加权系数（w_i，i=1，2，…，n）；

（2）求和函数（∑）；(https://www.daowen.com)

（3）激活函数（f），此外，还有一个阈值（θ）。

一个神经元可以有多个输入（x₁，x₂，…，x_n），但只有一个输出（y），它可表示为

这个输出可以同时输入给许多其他的神经元。然而，单个的神经元在“计算”能力上并不强，只有把许多的神经元连接起来，构成一个网络系统，才能完成复杂的“计算”任务，呈现出智能的特性。

神经网络系统是一个高度互联的复杂的非线性系统。神经网络的连接方式很多，根据连接取向（或信息流向）主要分为两种，前馈型网络和反馈型网络。而且，每种神经网络模型都有其相应的学习方法，以“展示”一定的“智能”。

从1980年再次复苏并成为热点以来，人工神经网络发展非常迅速，已经取得了丰硕的成果，在应用上更是扩展到了诸如预报、管理、通信、模式识别、图象处理等许多领域。