大腦神經網路如何運用

1. 神經網路是什麼

神經網路可以指向兩種，一個是生物神經網路，一個是人工神經網路。
生物神經網路：一般指生物的大腦神經元，細胞，觸點等組成的網路，用於產生生物的意識，幫助生物進行思考和行動。
人工神經網路（Artificial Neural Networks，簡寫為ANNs）也簡稱為神經網路（NNs）或稱作連接模型（Connection Model），它是一種模仿動物神經網路行為特徵，進行分布式並行信息處理的演算法數學模型。這種網路依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。
人工神經網路：是一種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為「神經網路」或類神經網路。

2. 如何喚醒大腦的潛能

如何喚醒大腦的潛能

如何喚醒大腦的潛能，你知道嗎？偉人常說，人的大腦是可以無限開發的，現在人對於大腦的開發只有一點點，因此在生活中，我們常常可以對大腦進行開發，下面我為大家帶來了喚醒大腦潛能的方法。

如何喚醒大腦的潛能1

一、喚醒身體

1、閉上眼睛吃飯。這就是阻斷視覺信息，讓嗅覺、味覺大顯身手，刺激不常用到的腦細胞。其他的書上說，也可以閉著眼睛在家裡走動，這很有趣也有挑戰性，但要小心莫摔跤。

2、用手指分辨硬幣。很顯然，訓練觸覺。

3、戴上耳機上下樓梯。讓聽覺與腿互動？

4、捏住鼻子喝咖啡。看來這是阻斷嗅覺信息，喚醒味覺。

5、放開嗓子大聲朗讀。話說少了，語言能力會下降的。最好再學一門新語言，即使每天記一個新單詞，也可訓練大腦。

6、聞咖啡看魚的圖片。其用意是打亂腦對氣味的記憶，創造新的`內部環境。

二、尋求腦刺激

1、到餐館點沒吃過的菜。處處要創新，不搞老一套，自己在家也可以學習做新的菜餚。

2、把自己的錢花掉。但不要花得精光，要留點養老啊。

3、專門繞遠路。選擇不常走的路線，刺激腦神經網路的再擴展，開車不要用GSP，而要像計程車司機的大腦一樣記路。

4、用左手端茶杯。訓練右腦，右腦具有驚人的記憶能力，是左腦的100萬倍。

5、聽不同類型的歌曲。什麼歌都要試著接受，最好還要經常背歌譜和歌詞。

如何喚醒大腦的潛能2

一、積極鍛煉左右腦

1、去陌生的地方散步。好主意，我就喜歡陌生的地方。

2、判斷自己是右腦型還是左腦型。右腦型：人的右腦是屬於靈感的、直覺的、音樂的、藝術的，可以令人產生美感和喜悅。

據說左腦能使人感覺和享受到成功，卻無法使人享受到長久的幸福感。而善於使用右腦的人可以使人腦分泌更多的內啡肽，從而使人能產生充分的幸福和滿足感。

3、用直覺作決斷。這個有點「理扯火」喲，決斷錯了誰負責？

二、越運動腦子越好

1、每天快走20分鍾。跑步、走路、練習禪太極等運動能充分刺激大腦，改善腦活性。

2、多做「手指操」。看來，家裡的鋼琴該用起來了。

3、嘗試全新的運動。禪太極對我來說就是全新的運動！

三、改善腦活性，激發靈感

1、記住每次成功的感覺。意即保持良好的心理狀態，但總是提「當年勇」也讓別人煩。

2、對自己說「肯定能行」。自我暗示是必須的。

3、寫100個自己喜歡的東西。恐怕100個還不夠。

4、變換視角看問題。意即站在對方的立場上看問題。

5、一想到就說出來。我覺得說話還是要過一下腦子，有時候說話沖口而出，不假思索，容易得罪人哦。所以最好內心善良，性格溫厚。

6、讓腦子偶爾無聊一下。其實是練習冥想，花點時間獨處，放鬆自己，以便更好地集中精力。

7、看從來不看的電視節目。當然也不能在看電視上花費太多時間。

8、親身體驗是腦最寶貴的財富。說得對！

3. 如何用神經網路實現連續型變數的回歸預測

神經網路最開始是機器學習的一種模型，但其訓練的時間和其他幾種模型相比不佔優勢，且結果也不盡人意，所以一直沒有被廣泛使用。但隨著數學的深入研究以及計算機硬體質量的提高，尤其是GPU的出現，給深度學習的廣泛應用提供了基礎。GPU最初是為了給游戲玩家帶來高質量的視覺體驗，由於其處理矩陣運算的能力特別優秀，也被用於深度學習中模型的訓練，以往數十天才能訓練好的模型在GPU上訓練幾天就可以訓練好，大大減少了深度學習的訓練時間，因而深度學習的應用越來越多。

通常使用Python來搭建神經網路，Python自帶深度學習的一些庫，在進行回歸預測時，我們只需用調用函數，設定幾個參數，如隱藏層層數和神經元個數等，剩下的就是等模型自行訓練，最終便能完成回歸預測，非常的方便。

4. 人工神經網路有什麼應用條件

人工神經網路（Artificial Neural Network，簡稱ANN ），以數學模型模擬神經元活動，是基於模仿大腦神經網路結構和功能而建立的一種信息處理系統。人工神經網路具有自學習、自組織、自適應以及很強的非線性函數逼近能力，擁有強大的容錯性。它可以實現模擬、預測以及模糊控制等功能。是處理非線性系統的有力工具。
它是物流合作夥伴選擇方法中合作夥伴選擇的神經網路演算法的另一種名稱。它是20世界80年代後迅速發展的一門新興學科，ANN可以模擬人腦的某些智能行為，如知覺，靈感和形象思維等，具有自學性，自適應和非線性動態處理等特徵。
將ANN應用於供應鏈管理（SCM）環境下合作合辦的綜合評價選擇，意在建立更加接近於人類思維模式的定性與定量相結合的綜合評價選擇模型。通過對給定樣本模式的學習，獲取評價專家的知識，經驗，主管判斷及對目標重要性的傾向，當對合作夥伴作出綜合評價時，該方法可再現評價專家的經驗，知識和直覺思維，從而實現了定性分析與定量分析的有效結合，也可以較好的保證合作夥伴綜合評價結果的客觀性。
在選定評價指標組合的基礎上，對評價指標作出評價，得到評價值後，因各指標間沒有統一的度量標准，難以進行直接的分析和比較，也不利於輸入神經網路計算。因此，在用神經網路進行綜合評價之前，應首先將輸入的評價值通過隸屬函數的作用轉換為（0，1]之間的值，即對評價值進行標准無綱量化，並作為神經網路的輸入，以使ANN可以處理定量和定性指標。

5. 心理學之意識、大腦、神經網路猜想

導讀： 最近在學習心理學，了解了意識、潛意識，突然在計算機科學中的神經網路關聯下，對大腦的運作機制有了一些猜想。本文就是對這個猜想的論述。

在心理學中，「意識概念」分為了感知意識、前意識、潛意識三個方面。為了方便讀者理解後續論述內容，這里簡單將以上三個方面的概念介紹下。
感知意識 ，一般稱呼為意識，是一種個人在任何時刻覺察到的感覺和體驗；
前意識 ，需要時，就可以意識到的部分；
潛意識 ，對意識構成威脅而必須推開的記憶和情緒等內容，是不能簡單注意就能意覺察到的，可能在夢、口誤詼諧中泄露其部分。
對於這三個概念，我的理解是， 感知意識 是一種直接反饋意識，是短期記憶的主要部分； 前意識 是一種規律反饋意思，根據長期記憶獲得了某種規律的掌握，記憶內容更偏向抽象化； 潛意識 是一種本能反饋，表達了多中規律下的規律，基本沒有具體的記憶畫面。
舉幾個例子來說明下。當我們看見一隻蚊子在腿上吸血，感知意識就會控制身體去拍打蚊子，這個就是感知意識。當一個老煉的戀人，看到地上的動物腳印，就能立即想到在哪裡布置陷阱會有效，這個就是前意識。有些女孩喜歡比自己大很多的男人，理性來說，這並不是一個很好的選擇，很多人也不能理解，但女孩就是迷戀比她大很多的男人，這就是潛意識決定的。
對於意識，可以這樣理解， 感知意識 是最容易改變的， 前意識 需要經過長實踐積累才能改變， 潛意識 基本上很難改變，需要付出更多努力。那麼意識與大腦到底是什麼關系？

在很多科幻電影中，經常說人體大腦的潛能沒有被完全發揮，可能只發揮了2%。關於這個論述，我認為是錯誤的。根據進化論的觀點，在漫長的歷史中，一定出現過某些基因大腦潛能發揮更高或者更低，但最終這些基於被環境所淘汰。例如，有些科幻電影中，會渴望自己擁有無數動物的優勢，變為一個優勢集成體，但事實是人類並沒有進化出堅硬的盔甲，也沒有進化出長生不死的基因，這也是告誡人類，獲得一個優勢一定需要付出很大代價。所以，根據進化論來說，人類目前的大腦組織是最適合於當前環境的一個形態，換句話說，人類大腦是處於一種有冗餘的充分發揮狀態。
有冗餘的充分發揮，是與意識相關聯的。人的大腦就像一個擁有基本空間布局的空房子，有大量的空間可以被揮霍。就像我們搬到一個新家後，很開心可以對這個房子進行隨意的布局，隨意的放置喜歡的物品，但過了幾年以後，雖然房子還是會進進出出很多東西，但基本的功能格局很少發生變化，除非發生了巨大的突發事故。
有冗餘對我們大腦的使用有很多影響。例如：

大腦本質是有神經元組成，在計算機科學領域，神經網路模型可以看作是大腦模型的表達。意識是大腦的表達形式，意識由大腦的構造決定。本節將主要論述，大腦的神經網路模型應該是什麼樣的形態？
本文提出的神經網路模型並非是完整的模型，其中缺少了本我、自我、超我方面的因素考慮，是一個針對本文的簡化模型。大腦的神經網路應該是一個多層形態，包含大概四個階段：

感知意識往往主要由 功能神經網路 與 功能冗餘神經網路 表達， 功能冗餘神經網路 由大腦表皮下的神經元組成，被多個功能區連接，主要目的是調節分配給功能區的神經元數量，對於激活頻繁的功能，分配更多的神經元參與記憶表達與規律提取，對於被破壞的功能區大腦，冗餘神經網路也會調節更多冗餘神經元參與功能表達，確保功能的正常表達。
前意識主要由規則提取神經網路組成。這個部分神經網路的神經元數量小於感知意識表達的神經網路神經元數量，只能存儲很模糊、抽象的畫面，更多存儲的是規則。感知意識網路與前意識網路會有一定的冗餘區，冗餘區的神經元根據需要可以用於感知意識表達，也可以用於前意識表達。
潛意識主要由規則泛化神經網路組成。這個部分的神經元數量少於前幾個階段。在潛意識神經網路中，幾乎不存儲畫面信息，將提取了針對不同功能下都有作用的規則，就像是傅里葉變化中的整體規則信息，會對多個場景產生行動影響，在表現上像是潛意識中的人生觀、價值觀等。

在假設了意識、大腦、神經網路的關系後，希望能夠在這種假設前提下，針對一些實際問題給出解答。

人類的大腦是目前所有動物中最為高級的大腦，尤其體現在前意識與潛意識的神經網路模型中。動物大腦由於神經元數量限制，構建的規則表達非常簡單，所以很容易形成簡單的因果聯系，所以我認為越簡單的大腦，條件反射越容易形成，越復雜的大腦，越容易修改條件反射的關聯。

潛意識是前意識不斷強化的結果，前意識是感知意識不斷強化的結果，所以不斷強化感知意識，尤其是不斷在不同場景中應用同一個前意識規則進行感知意識的強化，可以幫助規則的潛意識化。將職業特徵表達在日常生活中，就是一種強化，也是一種強化結果的表達。例如，一名科學工作者，可能會將科學研究過程，應用於烹飪中，調研、對比、實驗、量化、結果反饋、執行修正等。

將超能力分為兩類，一種是規則進入潛意識後的強化，另一種是某功能場景下的神經網路強化。舉兩個例子，有某些銀行工作人員，不需要數錢，只要用手感知錢的厚度，就能幾乎准確的說出人民幣的金額，這是前一種超能力。在電影《雨人》中，雨人能夠快速進行計算，感知數量，這種可以算是第二種類型，重構了冗餘神經元的使用，針對某個場景構建了更加復雜的神經網路模塊，投入了更多的神經元在該模型中。
第一種超能力，經過不斷規則強化，可以被大多數人掌握，但這類規則往往比較簡單，最多存在於前意識神經網路模型中。由於這一類超能力並沒有對神經元的分配做出很大的改變，所以對其他功能的正常表達不是很影響。而第二中超能力，一般人很難掌握，需要在某個功能場景中，專注強化該場景，並不斷弱化其他功能場景，才能獲得。在第二種超能力中，一般一定會伴隨著其他功能的弱化，比如雨人的正常生活功能，也就是說，第二種超能力經常會出現在我們認為這個人不正常的人群中，例如某自閉症患者。
在實際工作中，也有介於第一種與第二種之間的類超能力。當工作者在某個領域投入了非常多精力時，會有類似第二種超能力者的表現，一方面，他是行業的佼佼者，另一方面，他在生活其他方面存在不足，例如可能表現在不善於溝通，生活自理能力差，感知他人情緒能力差等。
如何避免第二種超能力的負面產物，根據本文提出的假設，可以將某領域的成功規律不斷應用於其他功能場景種，在潛意識中，強化能夠泛化於多個場景的規律。

在本文假設中，功能區神經網路模型很容易被重置，學習與遺忘是頻繁發生的。所以，學習某個具體的功能場景不是非常重要的，而如何強化那些在一生中都產生基本作用的價值觀是重要的，例如在不同功能場景下強化樂觀、堅持、誠實、挑戰困難等基礎規律。但由於潛意識無法被感知，也就很難被量化，所以教育機構很少會進行這些方面的培訓，因為看不到效果，或者很難將效果量化，反而功能場景培訓更容易量化，效果更加明顯。也就是說，父母將是孩子在基礎規律潛意識化的主要培訓者。

6. 什麼是神經網路

隱層節點數在BP 網路中，隱層節點數的選擇非常重要，它不僅對建立的神經網路模型的性能影響很大，而且是訓練時出現「過擬合」的直接原因，但是目前理論上還沒有一種科學的和普遍的確定方法。 目前多數文獻中提出的確定隱層節點數的計算公式都是針對訓練樣本任意多的情況，而且多數是針對最不利的情況，一般工程實踐中很難滿足，不宜採用。事實上，各種計算公式得到的隱層節點數有時相差幾倍甚至上百倍。為盡可能避免訓練時出現「過擬合」現象，保證足夠高的網路性能和泛化能力，確定隱層節點數的最基本原則是：在滿足精度要求的前提下取盡可能緊湊的結構，即取盡可能少的隱層節點數。研究表明，隱層節點數不僅與輸入/輸出層的節點數有關，更與需解決的問題的復雜程度和轉換函數的型式以及樣本數據的特性等因素有關。在確定隱層節點數時必須滿足下列條件：（1）隱層節點數必須小於N-1（其中N為訓練樣本數），否則，網路模型的系統誤差與訓練樣本的特性無關而趨於零，即建立的網路模型沒有泛化能力，也沒有任何實用價值。同理可推得：輸入層的節點數（變數數）必須小於N-1。(2) 訓練樣本數必須多於網路模型的連接權數，一般為2~10倍，否則，樣本必須分成幾部分並採用「輪流訓練」的方法才可能得到可靠的神經網路模型。 總之，若隱層節點數太少，網路可能根本不能訓練或網路性能很差；若隱層節點數太多，雖然可使網路的系統誤差減小，但一方面使網路訓練時間延長，另一方面，訓練容易陷入局部極小點而得不到最優點，也是訓練時出現「過擬合」的內在原因。因此，合理隱層節點數應在綜合考慮網路結構復雜程度和誤差大小的情況下用節點刪除法和擴張法確定。

7. 神經網路的主要內容特點

（1） 神經網路的一般特點
作為一種正在興起的新型技術神經網路有著自己的優勢，他的主要特點如下：
① 由於神經網路模仿人的大腦，採用自適應演算法。使它較之專家系統的固定的推理方式及傳統計算機的指令程序方式更能夠適應化環境的變化。總結規律，完成某種運算、推理、識別及控制任務。因而它具有更高的智能水平，更接近人的大腦。
② 較強的容錯能力，使神經網路能夠和人工視覺系統一樣，根據對象的主要特徵去識別對象。
③ 自學習、自組織功能及歸納能力。
以上三個特點是神經網路能夠對不確定的、非結構化的信息及圖像進行識別處理。石油勘探中的大量信息就具有這種性質。因而，人工神經網路是十分適合石油勘探的信息處理的。
（2） 自組織神經網路的特點
自組織特徵映射神經網路作為神經網路的一種，既有神經網路的通用的上面所述的三個主要的特點又有自己的特色。
① 自組織神經網路共分兩層即輸入層和輸出層。
② 採用競爭學記機制，勝者為王，但是同時近鄰也享有特權，可以跟著競爭獲勝的神經元一起調整權值，從而使得結果更加光滑，不想前面的那樣粗糙。
③ 這一網路同時考慮拓撲結構的問題，即他不僅僅是對輸入數據本身的分析，更考慮到數據的拓撲機構。
權值調整的過程中和最後的結果輸出都考慮了這些，使得相似的神經元在相鄰的位置，從而實現了與人腦類似的大腦分區響應處理不同類型的信號的功能。
④ 採用無導師學記機制，不需要教師信號，直接進行分類操作，使得網路的適應性更強，應用更加的廣泛，尤其是那些對於現在的人來說結果還是未知的數據的分類。頑強的生命力使得神經網路的應用范圍大大加大。

8. 神經網路,什麼過擬合,什麼是欠擬合

欠擬合是指模型不能在訓練集上獲得足夠低的誤差。而過擬合是指訓練誤差和測試誤差之間的差距太大。

相關介紹：

人工神經網路（ANN）或聯結主義系統是受構成動物大腦的生物神經網路的啟發但不完全相同的計算系統。這種系統通過例子來「學習」執行任務，而不用特定於任務的規則進行編程。

例如，在圖像識別中，人工神經網路可能會通過分析一些圖像樣本來學習識別包含貓的圖像，這些圖像被手工標記為「貓」或「不是貓」，並使用結果識別在其他圖像中的貓。

他們這樣做是在沒有貓的任何先驗知識的情況下進行的，例如，它們有毛皮，尾巴，胡須和類似貓的臉。相反，人工神經網路會自動從它們處理的學習材料中生成識別特徵。

人工神經網路是基於稱為人工神經元的連接單元或節點所構成的集合，這些單元或節點鬆散地模擬生物大腦中的神經元。像生物大腦中的突觸一樣，每個連接可以將信號從一個人工神經元傳輸到另一個人工神經元。接收信號的人工神經元可以對其進行處理，然後向與之相連的附加人造神經元發出信號。

9. 人工神經網路的作用

人工神經網路（Artificial Neural Network，即ANN ），是20世紀80 年代以來人工智慧領域興起的研究熱點。它從信息處理角度對人腦神經元網路進行抽象， 建立某種簡單模型，按不同的連接方式組成不同的網路。在工程與學術界也常直接簡稱為神經網路或類神經網路。神經網路是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數（activation function）。每兩個節點間的連接都代表一個對於通過該連接信號的加權值，稱之為權重，這相當於人工神經網路的記憶。網路的輸出則依網路的連接方式，權重值和激勵函數的不同而不同。而網路自身通常都是對自然界某種演算法或者函數的逼近，也可能是對一種邏輯策略的表達。

最近十多年來，人工神經網路的研究工作不斷深入，已經取得了很大的進展，其在模式識別、智能機器人、自動控制、預測估計、生物、醫學、經濟等領域已成功地解決了許多現代計算機難以解決的實際問題，表現出了良好的智能特性。

中文名
人工神經網路
外文名
artificial neural network
別稱
ANN
應用學科
人工智慧
適用領域范圍
模式分類
精品薦讀

「蠢萌」的神經網路
作者：牛油果進化論
快速
導航
基本特徵

發展歷史

網路模型

學習類型

分析方法

特點優點

研究方向

發展趨勢

應用分析
神經元
如圖所示
a1~an為輸入向量的各個分量
w1~wn為神經元各個突觸的權值
b為偏置
f為傳遞函數，通常為非線性函數。以下默認為hardlim()
t為神經元輸出
數學表示 t=f(WA'+b)
W為權向量
A為輸入向量，A'為A向量的轉置
b為偏置
f為傳遞函數
可見，一個神經元的功能是求得輸入向量與權向量的內積後，經一個非線性傳遞函數得到一個標量結果。
單個神經元的作用：把一個n維向量空間用一個超平面分割成兩部分（稱之為判斷邊界），給定一個輸入向量，神經元可以判斷出這個向量位於超平面的哪一邊。
該超平面的方程: Wp+b=0
W權向量
b偏置
p超平面上的向量
基本特徵
人工神經網路是由大量處理單元互聯組成的非線性、自適應信息處理系統。它是在現代神經科學研究成果的基礎上提出的，試圖通過模擬大腦神經網路處理、記憶信息的方式進行信息處理。
人工神經網路具有四個基本特徵：
（1）非線性 非線性關系是自然界的普遍特性。大腦的智慧就是一種非線性現象。人工神經元處於激活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系。具有閾值的神經元構成的網路具有更好的性能，可以提高容錯性和存儲容量。
人工神經網路
（2）非局限性 一個神經網路通常由多個神經元廣泛連接而成。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、相互連接所決定。通過單元之間的大量連接模擬大腦的非局限性。聯想記憶是非局限性的典型例子。
（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信息可以有各種變化，而且在處理信息的同時，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數。例如能量函數，它的極值相應於系統比較穩定的狀態。非凸性是指這種函數有多個極值，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

10. 什麼叫神經網路

南搞小孩給出基本的概念: 一.一些基本常識和原理 [什麼叫神經網路?] 人的思維有邏輯性和直觀性兩種不同的基本方式。邏輯性的思維是指根據邏輯規則進行推理的過程；它先將信息化成概念，並用符號表示，然後，根據符號運算按串列模式進行邏輯推理；這一過程可以寫成串列的指令，讓計算機執行。然而，直觀性的思維是將分布式存儲的信息綜合起來，結果是忽然間產生想法或解決問題的辦法。這種思維方式的根本之點在於以下兩點:1.信息是通過神經元上的興奮模式分布儲在網路上;2.信息處理是通過神經元之間同時相互作用的動態過程來完成的。 人工神經網路就是模擬人思維的第二種方式。這是一個非線性動力學系統，其特色在於信息的分布式存儲和並行協同處理。雖然單個神經元的結構極其簡單，功能有限，但大量神經元構成的網路系統所能實現的行為卻是極其豐富多彩的。 [人工神經網路的工作原理] 人工神經網路首先要以一定的學習准則進行學習，然後才能工作。現以人工神經網路對手寫「A」、「B」兩個字母的識別為例進行說明，規定當「A」輸入網路時，應該輸出「1」，而當輸入為「B」時，輸出為「0」。 所以網路學習的准則應該是：如果網路作出錯誤的的判決，則通過網路的學習，應使得網路減少下次犯同樣錯誤的可能性。首先，給網路的各連接權值賦予(0，1)區間內的隨機值，將「A」所對應的圖象模式輸入給網路，網路將輸入模式加權求和、與門限比較、再進行非線性運算，得到網路的輸出。在此情況下，網路輸出為「1」和「0」的概率各為50%，也就是說是完全隨機的。這時如果輸出為「1」(結果正確)，則使連接權值增大，以便使網路再次遇到「A」模式輸入時，仍然能作出正確的判斷。 如果輸出為「0」(即結果錯誤)，則把網路連接權值朝著減小綜合輸入加權值的方向調整，其目的在於使網路下次再遇到「A」模式輸入時，減小犯同樣錯誤的可能性。如此操作調整，當給網路輪番輸入若干個手寫字母「A」、「B」後，經過網路按以上學習方法進行若干次學習後，網路判斷的正確率將大大提高。這說明網路對這兩個模式的學習已經獲得了成功，它已將這兩個模式分布地記憶在網路的各個連接權值上。當網路再次遇到其中任何一個模式時，能夠作出迅速、准確的判斷和識別。一般說來，網路中所含的神經元個數越多，則它能記憶、識別的模式也就越多。 南搞小孩一個小程序: 關於一個神經網路模擬程序的下載 人工神經網路實驗系統(BP網路) V1.0 Beta 作者:沈琦 http://emuch.net/html/200506/de24132.html 作者關於此程序的說明: 從輸出結果可以看到，前3條"學習"指令，使"輸出"神經元收斂到了值 0.515974。而後3條"學習"指令，其收斂到了值0.520051。再看看處理4和11的指令結果 P *Out1: 0.520051看到了嗎？ "大腦"識別出了4和11是屬於第二類的！怎麼樣?很神奇吧?再打show指令看看吧!"神經網路"已經形成了!你可以自己任意的設"模式"讓這個"大腦"學習分辯哦!只要樣本數據量充分(可含有誤差的樣本)，如果能夠在out數據上收斂地話，那它就能分辨地很准哦!有時不是絕對精確，因為它具有"模糊處理"的特性.看Process輸出的值接近哪個Learning的值就是"大腦"作出的"模糊性"判別! 南搞小孩神經網路研究社區: 人工神經網路論壇 http://www.youngfan.com/forum/index.php http://www.youngfan.com/nn/index.html(舊版,楓舞推薦) 國際神經網路學會(INNS)(英文) http://www.inns.org/ 歐洲神經網路學會(ENNS)(英文) http://www.snn.kun.nl/enns/ 亞太神經網路學會(APNNA)(英文) http://www.cse.cuhk.e.hk/~apnna 日本神經網路學會(JNNS)(日文) http://www.jnns.org 國際電氣工程師協會神經網路分會 http://www.ieee-nns.org/ 研學論壇神經網路 http://bbs.matwav.com/post/page?bid=8&sty=1&age=0 人工智慧研究者俱樂部 http://www.souwu.com/ 2nsoft人工神經網路中文站 http://211.156.161.210:8888/2nsoft/index.jsp =南搞小孩推薦部分書籍: 人工神經網路技術入門講稿(PDF) http://www.youngfan.com/nn/ann.pdf 神經網路FAQ(英文) http://www.youngfan.com/nn/FAQ/FAQ.html 數字神經網路系統(電子圖書) http://www.youngfan.com/nn/nnbook/director.htm 神經網路導論(英文) http://www.shef.ac.uk/psychology/gurney/notes/contents.html =南搞小孩還找到一份很有參考價值的講座 <前向網路的敏感性研究> http://www.youngfan.com/nn/mgx.ppt 是Powerpoint文件，比較大，如果網速不夠最好用滑鼠右鍵下載另存. 南搞小孩添言:很久之前，楓舞夢想智能機器人從自己手中誕生,SO在學專業的時候也有往這方面發展...考研的時候亦是朝著人工智慧的方向發展..但是很不幸的是楓舞考研失敗...SO 只好放棄這個美好的願望,為生活奔波.希望你能夠成為一個好的智能計算機工程師..楓舞已經努力的在給你提供條件資源哦~~