什么是神经网络
出版商：必威平台,2019年6月19日介绍
想象一下，如果有一种技术可以利用自身的能力来编写代码，重新编程，甚至修复，让它变得如此简单和对人类有帮助。任何失败的程序或系统中的错误都会自行修复，我们永远不需要升级我们的系统或软件。然而，这些想法很有吸引力，但在最初的日子里很难实施。承诺没有兑现，有时更大的哲学问题导致恐惧。作家们思考了所谓的“会思考的机器”对人类的影响，这些想法至今仍存在。
今天，我们听到的最常见的人工智能例子是——从会下棋的电脑到严重依赖神经网络、深度学习和自然语言处理的自动驾驶汽车。在这些技术的帮助下，我们可以训练计算机通过处理大量的数据和识别数据中的模式来完成本质上高度特定的任务。人工智能(AI)使机器能够从经验中学习，适应新的输入，并执行类似人类的任务。
很多好莱坞电影和科幻小说都把人工智能描绘成可以接管世界的类人机器人。这个想法让人难以摆脱，也很可怕，但目前的人工智能技术的发展并没有那么可怕，也没有那么聪明。相反，人工智能已经进化为每个行业提供了许多具体的好处。
在本文中，我们将涵盖以下主题
神经网络是一种复杂的系统，其自然是自适应的。这意味着它可以基于流过它的信息来改变其内部结构。神经网络以这样的方式设计，使得它们可以适应改变输入并且能够产生最佳结果而不需要重新设计输出标准。换句话说，人工神经网络（ANNS）是我们大脑的神经元结构的软件实现。
人脑含有与有机开关类似的神经元，其可以根据以化学形式的电信号的强度改变输出。该网络的复杂性非常高，因为它是巨大的互连神经元网络，其中任何给定的神经元的输出也可能输入成千上万的其他神经元。
在人工神经网络中，每个神经元形成与其连接的先前层的输入的加权和，增加阈值，并产生该和作为其输出值的非线性函数。该输出值用作连接到神经元连接的未来层的输入，并且重复该过程。最终为输出层中神经元的输出产生值。
一个神经网络的设计和训练可以在一个监督或者无监督的方式。在监督方法通过提供匹配的输入输出数据样本对网络进行训练。这有助于神经网络为给定的输入提供特定的输出。一个很贴切的例子在当今世界现代电子邮件垃圾邮件过滤器可以使用过滤器,您可以输入所需的关键字,它可以与电子邮件的身体,然后把它归类为垃圾邮件或者没有根据输入。如果一个大型的数据集是美联储以电子邮件的形式的神经网络学习和识别垃圾邮件更多的效率和成功率。这种学习是通过调整神经网络连接的权值来进行的。
在无监督学习，神经网络从包含输入数据组成的数据集的推广，没有标记的响应。无监督的学习尝试将神经网络“理解”的“独立”的结构“理解”。最常见的无监督学习方法是群集分析，用于探索数据分析以查找隐藏的模式或在数据中进行分组。使用相似性的测量来建模簇，这些标准在诸如欧几里德或概率距离之类的度量上定义。
深度学习，通常被称为深度神经网络，因为它的大多数方法使用神经网络架构。与传统的神经网络相比，深度学习神经网络的隐含层数非常高。一个神经网络可能只包含2 - 3个隐藏层，而一个深层网络可以有多达150层。
深度学习是一种专业的机器学习形式。在工作流程中，相关功能在机器学习中手动提取，然后用于创建用于对对象进行分类的模型。另一方面，通过深入学习，所有功能都是自动提取的。此外，深度学习执行“端到端学习” - 在提供RAW RAW数据和执行诸如分类的任务之外的任务，并且了解如何自动执行此操作。通过使用大型标记的数据和神经网络架构进行深度学习模型，无需手动功能提取即可直接从数据中学习功能。
深度学习网络的一个关键优势是，它们通常会随着数据规模的增加而不断改进。这意味着深度学习算法会根据数据进行缩放。
神经网络的应用可以是无限的，因为它可以学习，调整和重新结构本身以满足所需的输出使其在人工智能面积中如此有用。以下是当今世界中神经网络的一些最常见的应用
软传感器软传感器是对一系列测量数据进行分析的过程。温度计可以告诉你空气的温度，但如果你也知道湿度、气压、露点、空气质量、空气密度等呢?神经网络可以处理来自多个单个传感器的输入数据，并将它们作为一个整体进行评估。
信号处理-神经网络可以像人一样处理问题，因此在医学领域可以有无限的应用。例如，它们可以用于助听器，因为它需要过滤掉不必要的噪音，放大重要的声音。可以训练神经网络来处理音频信号并对其进行适当的滤波。
时间序列预测-神经网络可以用来进行预测。基于模式和过去的历史数据的预测。这可以用来预测股票明天的涨跌。是下雨还是晴天?
模式识别-模式识别可能是神经网络中最常见和应用最广泛的领域。该技术应用于人脸识别、光学字符识别等领域。
控制系统- 一个高度承诺的领域，其中一些最着名的汽车制造商正在使用神经网络来开发自动驾驶汽车。
以上是神经网络的一些应用，而且列表绝不是全面的。神经网络有无穷无尽的可能性，但希望该列表将为您提供整体的特征和可能性。虽然这一切都很令人着迷（对科学研究的令人难以置信的重要），但在建造互动性的动画处理草图的世界中，很多技术都不是很实用。