人工神经网络学习总结笔记主要侧重点：1.概念清晰2.进行必要的查询时能从书本上找到答案第一章：绪论1.1人工神经网络的概述“认识脑”和“仿脑”：人工智能科学家在了解人脑的工作机理和思维的本质的基础上，探索具有人类智慧的人工智能系统，以模拟延伸和扩展脑功能。
我认为这是人工神经网络研究的前身。
形象思维：不易被模拟人脑思维抽象推理逻辑思维：过程：信息概念最终结果特点：按串行模式人脑与计算机信息处理能力的不同点：方面类型人脑计算机记忆与联想能力可存储大量信息，对信息有筛选、回忆、巩固的联想记忆能力无回忆与联想能力，只可存取信息学习与认知能力具备该能力无该能力信息加工能力具有信息加工能力可认识事物的本质与规律仅限于二值逻辑，有形式逻辑能力，缺乏辩证逻辑能力信息综合能力可以对知识进行归纳类比和概括，是一种对信息进行逻辑加工和非逻辑加工相结合的过程缺乏该能力信息处理速度数值处理等只需串行算法就能解决的应用问题方便，计算机比人脑快，但计算机在处理文字图像、声音等类信息的能力远不如人脑1.1.2人脑与计算机信息处理机制的比较人脑与计算机处理能力的差异最根本的原因就是信息处理机制的不同，主要有四个方面方面类型人脑计算机系统结构有数百亿神经元组成的神经网络由二值逻辑门电路构成的按串行方式工作的逻辑机器信号形式模拟量（特点：具有模糊性。
离散的二进制数和二值逻辑容易被机器模拟的思维方式难以被机器模拟）和脉冲两种形式形式信息储存人脑中的信息分布存储于整个系统，所存储的信息是联想式的有限集中的串行处理机制信息处理机制高度并行的非线性信息处理系统（体现在结构上、信息存储上、信息处理的运行过程中）1.1.3人工神经网络的概念：在对人脑神经网络的基本认识的基础上，用数理方法从信息处理的角度对人脑神经网络进行抽象，并建立某种简化模型，称之为人工神经网络，是对人脑的简化、抽象以及模拟，是一种旨在模仿人脑结构及其功能的信息处理系统。
其他定义：由非常多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统，外部输入信息之后，系统产生动态响应从而处理信息。
神经网络模型Neural Network神经网络模型一、神经网络模型简介1.1 概述人工神经网络(Artificial Neural Network, ANN)，亦称为神经网络(Neural Network, NN)，是由大量处理单元(神经元, Neurons)广泛互联而成的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特性。
人工神经网络的研究是从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。
它是根植于神经科学、数学、统计学、物理学、计算机科学等学科的一种技术。
其应用领域包括:建模、时间序列分析、预测、模式识别和控制等，并在不断的拓展。
图1 人工神经元示意图人类大脑皮层中大约包含100亿个神经元，60万亿个神经突触以及它们的连接体。
神经元之间通过相互连接形成错综复杂而又灵活多变的神经网络系统。
其中，神经元是这个系统中最基本的单元，它主要由细胞体、树突、轴突和突触组成，它的工作原理如图1所示。
人工神经元是近似模拟生物神经元的数学模型，是人工神经网络的基本处理单元，同时也是一个多输入单输出的非线性元件(见下图2所示)。
每一连接都有突触连接强度，用一个连接权值来表示，即将产生的信号通过连接强度放大，人工神经元接收到与其相连的所有神经元的输出的加权累积，加权总和与神经元的网值相比较，若它大于网值，人工神经元被激活。
当它被激活时，信号被传送到与其相连的更高一级神经元。
-1-Neural Network图2 人工神经元模型示意图1.2 神经网络的特点(1)具有高速信息处理的能力人工神经网络是由大量的神经元广泛互连而成的系统，并行处理能力很强，因此具有高速信息处理的能力。
(2)知识存储容量大在人工神经网络中，知识与信息的存储表现为神经元之间分布式的物理联系。
它分散地表示和存储于整个网络内的各神经元及其连线上。
每个神经元及其连线只表示一部分信息，而不是一个完整具体概念。
只有通过各神经元的分布式综合效果才能表达出特定的概念和知识。
