神经网络具备的基本属性

---

⓵人工神经网络的基本特征

---

人工神经网络是一种由大量互连处理单元组成的非线性、自适应信息处理系统。 该提案基于现代神经科学研究的成果，试图通过模拟大脑神经网络处理和存储信息的方式来处理信息。 人工神经网络具有四个基本特征：
(1)非线性非线性关系是自然界的普遍特征。 大脑智力是一种非线性现象。 人工神经元处于激活和抑制两种不同的状态。 这种行为在数学上被表达为非线性关系。 由阈值神经元组成的网络表现更好，可以提高容错能力和记忆容量。
(2)非定位神经网络通常由多个彼此广泛连接的神经元组成。 系统的整体行为不仅取决于单个神经元的属性，而且主要取决于单元之间的相互作用和连接。 通过单元之间的大量连接来模拟大脑的非局部性。 联想记忆是非限制性的典型例子。
(3)非常高质量的人工神经网络具有自适应、自组织和自学习能力。 不仅神经网络处理的信息会发生各种变化，而且在信息处理过程中，非线性动态系统本身也在不断变化。 迭代过程通常用于描述动态系统的开发。
(4)非凸性系统的演化方向取决于一定条件下的特定状态函数。 例如，能量函数对应于系统相对稳定状态下的极值。 非凸性是指这个函数有多个极值，从而使系统具有多个稳定平衡状态，导致系统演化的多样性。
在人工神经网络中，神经处理单元可以表示各种对象，例如特征、字母、概念或一些有意义的抽象模式。 网络中处理单元的类型分为三类：输入单元、输出单元和隐藏单元。 输入单元接收外界的信号和数据；输出单元实现系统处理结果的输出；隐藏单元是位于输入和输出单元之间的单元，无法从系统外部观察到。 神经元之间的连接权值反映了单元之间的连接强度，信息的表示和处理体现在网络处理单元的连接关系上。 人工神经网络是一种未编程的、大脑式的自适应信息处理。 其本质是通过网络的变换和动态行为来获得并行的分布式信息处理功能，并在不同程度上和层次上模仿人。 脑神经系统的信息处理功能。 它是一门交叉学科，包括神经科学、心理科学、人工智能、计算机科学等领域。
人工神经网络是一种并行分布式系统，采用与传统人工智能和信息处理技术完全不同的机制。 它克服了传统基于逻辑符号的人工智能在处理自适应、自组织和实时学习的直觉和非结构化信息方面的缺点。

---

⓶人工神经网络的知识表示形式

---

人工神经网络知识表示：

1.神经元输入分为兴奋性输入和抑制性输入两种类型；
3神经元具有空间整合特性和基于突触延迟的阈值特性，
5．忽略时间积分效应和参考时间；
6．

概念分析

人工神经网络是一种基于现代神经生物学研究、反映人脑某些特征的模拟生物过程的方法。 它并不是对人脑神经系统的准确描述，而只是一种抽象、简化和模拟。

正如前面生物神经网络介绍中所述，神经元及其突触是神经网络的基本组成部分。 因此，模拟生物神经网络必须首先模拟生物神经元。 人工神经网络中的神经元通常称为“处理单元”。 从网络角度来看，它有时被称为“节点”。