人工神经网络方法

人工神经网络方法（artificial neural networks, ann），工学-材料科学与工程-材料基础-材料设计-机器学习方法，一种试图模拟生物体神经系统结构的新型信息处理系统。适于复杂的非线性函数关系拟合，是从历史数据中总结经验规律的有效方法。人工神经网络的连接机制是由简单信息处理单元（神经元）互连组成的网络，能接收并处理信息，它是通过把问题表达成处理神经元之间的连接权重来处理的。人工神经网络模型整体性能取决于三大要素，即神经元（信息处理单元）的特性、神经元之间相互连接的形式（拓扑结构）、为适应环境而改善性能的学习规则。神经网络的工作方式由两个阶段组成：“学习期”，即通过学习规则调节神经元之间的连接权重值，以使目标函数拟合误差最小化；“工作期”，即连接权重值不变，由人工神经网络的输入得到相应的输出。常用的人工神经网络模型有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机等40余种。人工神经网络模型根据其连接的拓扑结构可以分为前馈网络和反馈网络。