4.3.2　人工神经网络

人工神经网络（ANN）受到生物学的启发，是生物神经网络的一种模拟和近似，它从结构、实现机理和功能上模拟生物神经网络。从系统观点来看，人工神经元网络是由大量如图4-1所示的神经元通过极其丰富和完善的连接而构成的自适应非线性动态系统（见图4-2）。

图4-1　单个神经元

(https://www.daowen.com)

图4-2　人工神经网络

下面举一个使用神经网络预测房价的典型例子。神经网络第1层（输入层）包含诸如大小、卧室数量、邮政编码等属性。神经网络第2层（假设只有一个隐藏层）从输入层直观地得到一些硬编码的属性，例如，卧室的大小和数量表示“家庭规模”度量，邮政编码表示“学校质量”。神经网络第3层（输出层）聚合隐藏层。最后，模型输出房屋的价格。

给定某个神经网络架构，我们希望找到连接不同神经元（也称为节点、细胞或单元）的正确权重。有许多方法可以训练神经网络，如反向传播、遗传算法或随机搜索；所有这些方法的目的都是为找到神经网络的最优超参数。