人工智能研究的方向之一，是以所謂 “專家系統” 為代表的，用大量 “如果-就” （If - Then） 規則定義的，自上而下的思路。
　　人工神經網絡 （ Artifical Neural Network），標志著另外一種自下而上的思路。
　　神經網絡沒有一個嚴格的正式定義。它的基本特點，是試圖模仿大腦的神經元之間傳遞，處理信息的模式。
　　
?
　　一個計算模型，要劃分為神經網絡，通常需要大量彼此連接的節點 （也稱 ‘神經元’），并且具備兩個特性：
　　每個神經元，通過某種特定的輸出函數 （也叫激勵函數 activation function），計算處理來自其它相鄰神經元的加權輸入值
　　神經元之間的信息傳遞的強度，用所謂加權值來定義，算法會不斷自我學習，調整這個加權值
　　在此基礎上，神經網絡的計算模型，依靠大量的數據來訓練，還需要：
　　成本函數 （cost function）：用來定量評估根據特定輸入值， 計算出來的輸出結果，離正確值有多遠，結果有多靠譜
　　學習的算法 （ learning algorithm ）：這是根據成本函數的結果， 自學， 糾錯， 最快地找到神經元之間最優化的加權值
　　用小明、小紅和隔壁老王們都可以聽懂的語言來解釋，神經網絡算法的核心就是：計算、連接、評估、糾錯、瘋狂培訓。
　　隨著神經網絡研究的不斷變遷，其計算特點和傳統的生物神經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、自組織

總結

以上是生活随笔為你收集整理的人工智能简述的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。