人工智能研究的方向之一，是以所謂 “專家系統(tǒng)” 為代表的，用大量 “如果-就” （If - Then） 規(guī)則定義的，自上而下的思路。
　　人工神經(jīng)網(wǎng)絡(luò) （ Artifical Neural Network），標(biāo)志著另外一種自下而上的思路。
　　神經(jīng)網(wǎng)絡(luò)沒有一個嚴(yán)格的正式定義。它的基本特點，是試圖模仿大腦的神經(jīng)元之間傳遞，處理信息的模式。
　　
?
　　一個計算模型，要劃分為神經(jīng)網(wǎng)絡(luò)，通常需要大量彼此連接的節(jié)點 （也稱 ‘神經(jīng)元’），并且具備兩個特性：
　　每個神經(jīng)元，通過某種特定的輸出函數(shù) （也叫激勵函數(shù) activation function），計算處理來自其它相鄰神經(jīng)元的加權(quán)輸入值
　　神經(jīng)元之間的信息傳遞的強度，用所謂加權(quán)值來定義，算法會不斷自我學(xué)習(xí)，調(diào)整這個加權(quán)值
　　在此基礎(chǔ)上，神經(jīng)網(wǎng)絡(luò)的計算模型，依靠大量的數(shù)據(jù)來訓(xùn)練，還需要：
　　成本函數(shù) （cost function）：用來定量評估根據(jù)特定輸入值， 計算出來的輸出結(jié)果，離正確值有多遠(yuǎn)，結(jié)果有多靠譜
　　學(xué)習(xí)的算法 （ learning algorithm ）：這是根據(jù)成本函數(shù)的結(jié)果， 自學(xué)， 糾錯， 最快地找到神經(jīng)元之間最優(yōu)化的加權(quán)值
　　用小明、小紅和隔壁老王們都可以聽懂的語言來解釋，神經(jīng)網(wǎng)絡(luò)算法的核心就是：計算、連接、評估、糾錯、瘋狂培訓(xùn)。
　　隨著神經(jīng)網(wǎng)絡(luò)研究的不斷變遷，其計算特點和傳統(tǒng)的生物神經(jīng)元的連接模型漸漸脫鉤。
　　但是它保留的精髓是：非線性、分布式、并行計算、自適應(yīng)、自組織

總結(jié)

以上是生活随笔為你收集整理的人工智能简述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。